基于Faster R-CNN的田间西兰花幼苗图像检测方法

• 作者: 孙哲 张春龙 张铭 李伟 葛鲁镇 谭豫之
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 西兰花幼苗 作物识别 深度学习 卷积神经网络 Faster R-CNN
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 216-221
• 页数: 6页
• 分类号: TP391.4
• 字数: 3548字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.07.023

摘要

为解决自然环境下作物识别率不高、鲁棒性不强等问题,以西兰花幼苗为研究对象,提出了一种基于FasterR-CNN模型的作物检测方法.根据田间环境特点,采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像,以确保样本多样性,并通过数据增强手段扩大样本量,制作PASCAL VOC格式数据集.针对此数据集训练Faster R-CNN模型,通过设计ResNet101、ResNet50与VGG16网络的对比试验,确定ResNet101网络为最优特征提取网络,其平均精度为90.89％,平均检测时间249 ms.在此基础上优化网络超参数,确定Dropout值为0.6时,模型识别效果最佳,其平均精度达到91.73％.结果 表明,本文方法能够对自然环境下的西兰花幼苗进行有效检测,可为农业智能除草作业中的作物识别提供借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙哲	中国农业大学工学院	27	324	10.0	17.0
2	李伟	中国农业大学工学院	190	2617	29.0	41.0
3	谭豫之	中国农业大学工学院	33	551	12.0	23.0
4	张春龙	中国农业大学工学院	16	182	8.0	13.0
5	葛鲁镇	中国农业大学工学院	1	8	1.0	1.0
6	张铭	中国农业大学工学院	1	8	1.0	1.0