基于Darknet深度学习框架的桃花检测方法

• 作者: 郭涛 郭家 李宗南 邱霞 王思
• 来源期刊: 中国农业信息
• 关键词: Darknet Faster R-CNN 桃花识别 目标检测 自然场景
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 智慧农业|Smart Agriculture
• 页码范围: 25-33
• 页数: 9页
• 语种: 中文
• DOI: 10.12105/j.issn.1672-0423.20210603

摘要

[目的]为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测.[方法]文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别.[结果]模型精度评估表明,YOLO v4模型的平均准确率MAP值(86％)比Faster R-CNN的MAP值(51％)高出35％.[结论]YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础.