基于Faster R-CNN的田间西兰花幼苗图像检测方法

摘要：

为解决自然环境下作物识别率不高、鲁棒性不强等问题,以西兰花幼苗为研究对象,提出了一种基于FasterR-CNN模型的作物检测方法.根据田间环境特点,采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像,以确保样本多样性,并通过数据增强手段扩大样本量,制作PASCAL VOC格式数据集.针对此数据集训练Faster R-CNN模型,通过设计ResNet101、ResNet50与VGG16网络的对比试验,确定ResNet101网络为最优特征提取网络,其平均精度为90.89％,平均检测时间249 ms.在此基础上优化网络超参数,确定Dropout值为0.6时,模型识别效果最佳,其平均精度达到91.73％.结果 表明,本文方法能够对自然环境下的西兰花幼苗进行有效检测,可为农业智能除草作业中的作物识别提供借鉴.

关键词：西兰花幼苗、作物识别、深度学习、卷积神经网络、Faster R-CNN

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFD0701300

在线出版日期：2019-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：216-221