深度学习算法YOLOv4支持下的脐橙树株数识别
针对传统果树单株提取方法流程繁琐、人力成本较高、耗时长等问题,该文提出在复杂 自然背景下使用深度学习算法YOLOv4实现脐橙树无人机影像端到端的识别方法,利用网络改进、多尺度融合以及损失函数改进等方法提高复杂背景下小目标的识别率.以赣南某地脐橙果树无人机影像作为数据源,应用YOLOv4深度神经网络分别训练基于不同数据集的模型,通过调整模型阈值参数得到最佳模型,并在强背景、弱背景、稀疏和稠密植株测试集上进行测试.结果表明,基于data748数据集训练且模型阈值为0.6时的YOLO-748模型精确率达91.55%,召回率为98.55%,mAP值为93.38%,F1值达0.985,该模型在复杂自然背景下鲁棒性较好.该方法能为现代农业果园管理提供新的可行方案.
图像识别、深度学习、YOLOv4、脐橙果树、株数识别
47
P237(摄影测量学与测绘遥感)
赣州市科技局重点研发计划项目;福建省科技计划引导性项目
2022-04-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
135-144,191