基于无人机航拍与改进YOLOv3模型的云杉计数

摘要：

为解决目前苗木计数由人工完成而导致的成本高,效率低,计数精度不能得到保障的问题,该研究以自然环境下的云杉为研究对象,以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源,根据云杉尺寸差异大和训练样本小的特点提出一种基于改进YOLOv3模型的云杉计数模型.该模型将密集连接模块和过渡模块引入特征提取过程,形成Darknet-61-Dense特征提取网络.通过694幅无人机航拍云杉图像测试表明,密集连接模块和过渡模块可解决YOLOv3模型小样本训练过拟合问题和云杉特征丢失问题,改进YOLOv3模型可以快速准确实现云杉计数,在精确率P、召回率R、平均精度AP、平均计数准确率MCA和平均检测时间ADT这5个评价指标上达到96.81％、93.53％、94.26％、98.49％和0.351 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.44、4.13和0.84个百分点.对于拼接后完整地块云杉图像,改进YOLOv3模型的5个评价指标的结果分别为91.48％、89.46％、89.27％、93.38％和1.847 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.54、9.33和0.74个百分点.该研究为利用无人机快速准确统计苗木数量的关键步骤做出有益的探索.

关键词：模型、无人机、计数、密集连接模块、过渡模块、特征提取

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;中央高校基本科研业务费专项资金;北京市共建项目联合资助

在线出版日期：2021-01-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：22-30