基于CNN网络和多任务损失函数的实时叶片识别

• 作者: 杨哲 涂宇欣 葛亚坤 蔡兴泉
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 叶片识别 特征图 CNN网络 多任务损失函数 区域候选框
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 1279-1286
• 页数: 8页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.19-VR0473

摘要

针对传统叶片识别易受环境干扰,难以实现复杂背景下的多叶片实时识别问题,提出一种基于CNN网络和多任务损失函数的实时叶片识别方法.采用CNN网络提取叶片图像特征图,输入到RPN网络生成区域候选框;依据特征图和区域候选框,提取候选框特征图,分别进行叶片分类和边界框回归,预测叶片类别和叶片预测框的定位;利用多任务损失函数约束分类和回归,来提高叶片分类和回归的准确率和运算速度.实验结果表明,该方法的平均实时叶片识别准确率为91.8％,平均实时识别速度为25 fps.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡兴泉	北方工业大学信息学院	24	49	4.0	6.0
2	杨哲	北方工业大学信息学院	6	0	0.0	0.0
3	葛亚坤	北方工业大学信息学院	3	1	1.0	1.0
4	涂宇欣	北方工业大学信息学院	2	1	1.0	1.0