典型文献
基于改进YOLOv4模型的无人机影像烟草株数统计
文献摘要：
烟草株数是烟草估产过程中一个重要指标,传统烟草株数统计常采用现场拉样的方式进行,然而该方法不仅耗时、费力,还存在一定的误差.针对此问题,本文以无人机可见光数据为数据源,提出改进YOLOv4目标检测模型,以实现烟草株数快速、准确的统计.结果表明,改进后的YOLOv4模型烟草株数统计精确率为97.16％,召回率为96.89％,F1分数为0.97.鉴于召回率指标对于株数统计十分重要,改进后的YOLOv4模型的召回率相比于原始的YOLOv3模型、SSD模型、Faster-RCNN目标检测模型分别提高5％、25.27％、29.06％.综上所述,本文提出的改进YOLOv4模型可用于烟草株数统计,且能为烟草株数的快速统计提供技术支持.
文献关键词：
深度学习;目标检测;无人机;烟草株数统计
中图分类号：
作者姓名：
宋坤良;王新兴;蓝凯
作者机构：
几核(浙江)科技有限公司,浙江湖州313000
文献出处：
引用格式：
[1]宋坤良;王新兴;蓝凯-.基于改进YOLOv4模型的无人机影像烟草株数统计)[J].测绘技术装备,2022(04):78-82
A类：
烟草株数统计
B类：
YOLOv4,无人机影像,估产,费力,可见光,光数,数据源,目标检测模型,精确率,召回率,YOLOv3,SSD,Faster,RCNN,综上所述,快速统计
AB值：
0.224535
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
