基于ResNet深度残差网络的白喉乌头检测

摘要：

在人类活动和气候变化的影响下,毒害草的蔓延威胁着生态安全和畜牧业的健康发展,白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一.为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标,以白喉乌头为研究对象,利用无人机航拍正射影像构建白喉乌头数据集.基于Faster-RCNN和SSD算法,采用ResNet50和ResNet101两种深度的主干网络提取特征,对比不同方法的检测精度.结果表明:通过对比测试集的检测精度Faster-RCNN_ResNet50的mAP(平均精确度)值最高,达到64.74％,而SSD_ResNet50的mAP最低,仅为48.70％,Faster-RCNN_ResNet101的mAP值为63.37％,而SSD_ResNet101的为52.55％.本研究对从航拍正射影像中检测白喉乌头有借鉴意义和参考价值.

关键词：毒害草、深度学习、卷积神经网络、无人机遥感、目标识别、Faster-RCNN、SSD

所属期刊栏目：40

分类号：TP391.41;TP183;TN911.7

资助基金：国家自然科学基金31860679

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：144-151