基于改进Faster R_CNN的苹果叶片病害检测模型

摘要：

在实际条件下,苹果叶片病害图像背景复杂且病斑较小,难以进行实时检测.针对该问题,提出一种改进的Faster R_CNN模型.通过特征金字塔网络将具有细节信息的浅层特征和具有语义信息的深层特征融合,以提取丰富的苹果叶片病害特征.同时采用精确感兴趣区域池化,避免感兴趣区域池化中2次量化操作对病斑较小的苹果叶片病害造成像素偏差.实验结果表明,该模型能对自然条件下5种苹果叶片病害进行有效检测,平均精度均值达82.48％,与Faster R_CNN、YOLOv3和Mask R_CNN模型相比,其平均精度均值分别提高了6.01、14.12和5.06个百分点.

关键词：苹果叶片病害;病害检测;Faster R_CNN模型;特征金字塔网络;精确感兴趣区域池化

所属期刊栏目：47

分类号：TP753(遥感技术)

资助基金：中国博士后科学基金;陕西省博士后基金;陕西省重点研发计划;陕西省自然科学基金

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：298-304