声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：孙哲,张春龙,葛鲁镇,张铭,李伟,谭豫之
单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,
关键词：西兰花幼苗;作物识别;深度学习;卷积神经网络;Faster R-CNN
基金：国家重点研发计划项目（2017YFD0701300）
为解决自然环境下作物识别率不高、鲁棒性不强等问题，以西兰花幼苗为研究对象，提出了一种基于Faster R-CNN模型的作物检测方法。根据田间环境特点，采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像，以确保样本多样性，并通过数据增强手段扩大样本量，制作PASCAL VOC格式数据集。针对此数据集训练Faster R-CNN模型，通过设计ResNet101、ResNet50与VGG16网络的对比试验，确定ResNet101网络为最优特征提取网络，其平均精度为90.89%，平均检测时间249ms。在此基础上优化网络超参数，确定Dropout值为0.6时，模型识别效果最佳，其平均精度达到91.73%。结果表明，本文方法能够对自然环境下的西兰花幼苗进行有效检测，可为农业智能除草作业中的作物识别提供借鉴。
来源：2019年第7期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。