典型文献
基于Faster R-CNN的番茄果实检测算法应用
文献摘要：
近年来,随着新兴技术的蓬勃发展,传统的依赖人工手动测量番茄各项指标的方法,给人力资源投入带来了巨大的挑战,也很难确保检测结果的准确性和及时性.因此,不再满足于人为测量番茄的各个指标特征及生长规律,而是利用图像处理技术和先进的网络模型对采集的大量数据进行番茄目标检测,并从数据中发掘规律,构建最适合农业生产所需模型.随着人工智能的不断发展,采用基于机器学习的图像目标检测在未来发展方面有着广泛的应用前景.本文以机器学习为基础,运用深度学习算法中具有代表性的Faster R-CNN目标检测算法,进行番茄目标检测研究.通过实际场景的试验结果及数据分析,基于该算法的番茄目标检测检测准确率为90.89％,识别精度和执行效率效果较好,可作为其他指标测定的基础.
文献关键词：
番茄;Faster R-CNN;目标检测
中图分类号：
作者姓名：
张皓婷;李明;李敏;闫凤;祝鹏
作者机构：
内蒙古农业大学园艺与植物保护学院, 内蒙古 呼和浩特010018;内蒙古农业大学职业技术学院, 内蒙古 包头014095
文献出处：
引用格式：
[1]张皓婷;李明;李敏;闫凤;祝鹏-.基于Faster R-CNN的番茄果实检测算法应用)[J].农业与技术,2022(15):12-16
A类：
B类：
Faster,番茄果实,果实检测,算法应用,手动测量,人力资源投入,及时性,指标特征,生长规律,图像处理技术,基于机器学习,图像目标检测,深度学习算法,目标检测算法,检测准确率,识别精度,执行效率,他指,标测
AB值：
0.342935
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。
