基于Mask R-CNN的玉米田间杂草检测方法

• 作者: 姜红花 张传银 张昭 毛文华 王东 王东伟
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 杂草 变量喷药 特征提取 图像分割 残差神经网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 220-228,247
• 页数: 10页
• 分类号: TP391.4
• 字数: 4208字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.06.023

摘要

针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法.该方法采用残差神经网络ResNet-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非极大值抑制算法筛选出感兴趣区域;采用区域特征聚集方法(RoIAlign),取消量化操作带来的边框位置偏差,并将感兴趣区域(RoI)特征图转换为固定尺寸的特征图;输出模块针对每个RoI计算分类、回归、分割损失,通过训练预测候选区域的类别、位置、轮廓,实现杂草检测及轮廓分割.在玉米、杂草数据集上进行测试,当交并比(IoU)为0.5时,本文方法均值平均精度(mAP)为0.853,优于SharpMask、DeepMask的0.816、0.795,本文方法的单样本耗时为280 ms,说明本文方法可快速、准确检测分割出杂草类别、位置和轮廓,优于SharpMask、DeepMask实例分割算法.在复杂背景下对玉米、杂草图像进行测试,在IoU为0.5时,本文方法mAP为0.785,单样本耗时为285 ms,说明本文方法可实现复杂背景下的农田作物杂草分割.在田间变量喷洒试验中,杂草识别准确率为91％,识别出杂草并准确喷雾的准确率为85％,准确喷药的杂草雾滴覆盖密度为55个/cm2,装置对每幅图像的平均处理时间为0.98s,满足农药变量喷洒的控制要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王东	山东农业大学农学院	71	2144	28.0	45.0
2	王东伟	青岛农业大学机电工程学院	71	420	10.0	18.0
3	毛文华		40	705	15.0	26.0
4	张昭	宝鸡文理学院电子电气工程学院	6	53	4.0	6.0