基于深度学习的滴灌带滴孔质量检测方法研究

• 作者: 姚利彬 罗英豪 郝存明
• 来源期刊: 河北省科学院学报
• 关键词: 滴灌带 滴孔检测 深度学习 卷积神经网络 YOLO
• 年，卷（期）: 2020,（4）
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

滴灌带在生产过程中需要对内镶的滴片进行打孔操作,滴孔的漏打或者打偏,在使用时会影响农作物的生长,目前还没有高效的在线滴孔质量检测的方法.文章对深度学习模型卷积神经网络和用于目标检测的YOLO算法进行了研究,提出了一种基于深度学习的滴孔质量快速检测算法.该方法首先采用YOLO算法对滴槽和滴孔定位,获取二者的坐标位置,然后获取二者的中心坐标差值,通过与预设值进行比较,判断滴孔是否合格.并将该算法应用于滴灌带生产线上进行实验分析,结果表明该方法在滴孔质量检测应用上达到了良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝存明		14	23	3.0	4.0
2	罗英豪		2	0	0.0	0.0
3	姚利彬		1	0	0.0	0.0