首站-论文投稿智能助手
典型文献
基于深度学习的高分辨率麦穗图像检测方法
文献摘要:
小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法.对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素.通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果.通过对改进模型的测试,表明该模型检测精度高,鲁棒性强.不同分辨率、不同品种、不同时期的麦穗图像均类平均精度(mAP)为93.7%,单张图片的检测速度为52帧·s-1,满足了麦穗的高精度实时检测.该研究结果为田间麦穗计数以及产量预测提供技术支持.
文献关键词:
深度学习;目标检测;麦穗;YOLOv4;实时检测
作者姓名:
赵越;卫勇;单慧勇;穆志民;张健欣;吴海云;赵辉;胡建龙
作者机构:
天津农学院工程技术学院,天津300384;天津农学院基础科学学院,天津300384;科芯(天津)生态农业科技有限公司,天津300450
引用格式:
[1]赵越;卫勇;单慧勇;穆志民;张健欣;吴海云;赵辉;胡建龙-.基于深度学习的高分辨率麦穗图像检测方法)[J].中国农业科技导报,2022(09):96-105
A类:
B类:
图像检测,小麦,粮食作物,田间,产量预测,实时检测,图像数据集,图像分割,Tensorflow,YOLOv4,迁移学习,YOLOv3,tiny,Faster,训练模型,改进模型,麦穗检测,检测模型,模型性能,图像分辨率,像素,显著效果,模型检测,检测精度,不同品种,mAP,单张,检测速度,目标检测
AB值:
0.348527
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。