基于Faster-RCNN的自然环境下油茶果检测研究

• 作者: 陈斌 饶洪辉 王玉龙 李庆松 王保阳 刘木华
• 来源期刊: 江西农业学报
• 学科: 农学
• 关键词: Faster—RCNN 油茶果 检测 深度学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息技术·天然产物
• 页码范围: 67-70
• 页数: 4页
• 分类号: S794.4
• 语种: 中文
• DOI: 10.19386/j.cnki.jxnyxb.2021.01.12

摘要

利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像.首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归.对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39％,准确率为98.92％,召回率为93.32％,F1值为96.04％;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求.