基于改进Faster R-CNN的自然环境下麦穗检测方法

• 作者: 凌海波 周先存 张静雅 何富贵
• 来源期刊: 赤峰学院学报（自然科学版）
• 关键词: 麦穗检测 深度神经网络 区域建议网络 加权框融合
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 工程与科学技术
• 页码范围: 17-21
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1673-260X.2021.07.006

摘要

小麦麦穗的自动检测在产量预估、种子筛选等方面具有一定的科研应用价值.为进一步提高自然环境下麦穗识别与计数的准确性,本文提出了基于改进型Faster R-CNN深度神经网络麦穗检测方法.针对传统Faster R-CNN算法应用于麦穗检测时存在漏检的问题,并结合自然环境下麦穗重叠和遮挡的特点,本研究采用加权框融合(Weighted Boxes Fusion,WBF)算法代替原有的非极大值抑制(NMS)算法,通过区域建议网络产生的所有预测框的置信度来构造融合框.试验证明,改进后的Faster R-CNN在全球麦穗检测数据集上的平均精度均值mAP0.5:0.75、mAP0.5分别达到了74.21％和92.15％,相较于传统Faster R-CNN提升了5.75％和3.74％,提升效果明显,减少了麦穗漏检的情况,能够在自然环境下对麦穗进行计数和产量预估.