基于深度学习的杂草识别系统

• 作者: 喻刚 尚建伟 张伟平 李兆旭 王博 蒋红海 陈颉颢
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 图像分割 卷积神经网络 深度学习 图像识别 杂草识别
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 软件设计、开发与应用
• 页码范围: 127-130
• 页数: 4页
• 分类号: TP319
• 字数: 3292字
• 语种: 中文
• DOI: 10.11907/rjdk.201392

摘要

田间除草技术在农业生产中具有重要意义.针对复杂背景下农作物与杂草识别率低、算法鲁棒性差等问题,提出一种图像分割网络Res-Unet.该网络为unet网络的改进版本,采用resnet50网络代替unet主干网络,解决复杂背景下农作物与杂草区域提取困难、小植株检测效果差、分割边缘震荡、变形问题.将图像的平均交并比、准确率、训练时长作为评价指标进行实验.结果表明:使用Res-Unet模型的平均交并比为82.25％,平均像素准确率为98.67％.改进的Res-Unet模型相对于Unet平均交并比高出4.74％,相较于segnet平均交并比高出10.68％,训练时间减少3小时.该方法对复杂背景下甜菜杂草检测效果良好,可为机器人精确除草提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王博	昆明理工大学机电工程学院	14	33	2.0	5.0
2	喻刚	昆明理工大学机电工程学院	3	0	0.0	0.0
3	蒋红海	昆明理工大学机电工程学院	14	83	5.0	9.0
4	尚建伟	昆明理工大学机电工程学院	2	0	0.0	0.0
5	陈颉颢	昆明理工大学机电工程学院	2	0	0.0	0.0
6	李兆旭	昆明理工大学机电工程学院	1	0	0.0	0.0