基于无人机图像和贝叶斯CSRNet模型的粘连云杉计数

摘要：

自动、准确且快速地统计苗木数量是实现苗圃高效管理的重要基础.针对现有苗木计数方法准确率较低且无法准确统计粘连苗木等问题,该研究提出了一种基于贝叶斯CSRNet模型的云杉计数模型.该模型以对粘连苗木具有良好稳定性的CSRNet模型为基础,引入贝叶斯损失函数,以人工标注的点标签数据作为监督信号.以1176幅云杉图像训练贝叶斯CSRNet模型,并通过166幅测试集云杉图像进行测试.结果表明,贝叶斯CSRNet模型可以准确、快速地统计无人机航拍图像内的云杉,对测试集图像内云杉的平均计数准确率(Mean Counting Accuracy,MCA)、平均绝对误差(Mean Absolute Error,MAE)和均方误差(Mean Square Error,MSE)分别为99.19％、1.42和2.80.单幅云杉图像耗时仅为248 ms,模型大小为62 Mb.对比YOLOv3模型、改进YOLOv3模型、CSRNet模型和贝叶斯CSRNet模型对166幅测试集云杉图像的计数结果,贝叶斯CSRNet模型的MCA分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型高3.43％、1.44％和1.13％;MAE分别低6.8、2.9和1.67;MSE分别低101.74、23.48和8.57.在MCT(Mean Counting Time)和MS(Model Sizel)两项指标上,贝叶斯CSRNet模型与CSRNet模型相同且优于YOLOv3模型和改进YOLOv3模型.贝叶斯CSRNet模型可实现无人机航拍图像内苗木数量的自动、准确、快速统计,为苗木库存智能盘点提供参考.

关键词：无人机、模型、苗木计数、贝叶斯CSRNet、CSRNet、粘连苗木、云杉

所属期刊栏目：38

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;北京市共建项目

在线出版日期：2022-10-24（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：43-50,323