典型文献
基于Macbm-RCNN的叶片周长和面积测量方法
文献摘要：
为进一步提高日常背景下叶片周长面积测量精度和便利性,提出一种新的深度卷积网络模型Macbm RCNN,该模型在经典Mask RCNN模型基础上引入注意力机制.Macbm RCNN能对经过压缩处理过的图片进行准确检测和标注,并最终输出叶片周长和面积.通过最终的试验数据表明,Macbm RCNN网络模型的训练准确率相比于Mask RCNN提高1.65％,在复杂图像处理中,平均训练时间提升0.022 s,平均推理时间提升0.018 s.计算效率高于叶面仪和方格法,计算误差小于1.5％.验证表明,引人注意力机制的Macbm RCNN网络能提高叶片预测的准确率,在复杂情况下处理的速率有明显提升;在叶片周长和面积的计算中误差较小.在实际应用中能有效提高工作效率.
文献关键词：
Macbm RCNN;叶片周长面积计算;特征提取;注意力机制;目标识别;图像分割
中图分类号：
作者姓名：
荣民希;班彬;王智峥;郭晓丽;张卫正
作者机构：
郑州轻工业大学数学与信息科学学院,河南郑州450002;郑州轻工业大学计算机与通信工程,河南郑州450002
文献出处：
引用格式：
[1]荣民希;班彬;王智峥;郭晓丽;张卫正-.基于Macbm-RCNN的叶片周长和面积测量方法)[J].江苏农业科学,2022(13):199-206
A类：
Macbm,叶片周长面积计算
B类：
RCNN,面积测量,下叶,测量精度,便利性,深度卷积网络,Mask,注意力机制,过压缩,复杂图,训练时间,推理时间,计算效率,叶面,方格,格法,计算误差,引人注意,复杂情况,下处,中误差,提高工作效率,目标识别,图像分割
AB值：
0.292584
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。
