基于改进Faster R-CNN的水稻稻穗检测方法

摘要：

为了快速而准确地统计视频监测区域内的水稻穗数,提出了一种基于改进Faster R-CNN的稻穗检测方法.针对稻穗目标较小的问题,在Inception ResNet-v2的基础上引入空洞卷积进行优化;对于不同生长期稻穗差别大的问题,设计了针对标注框尺度的K-means聚类,为候选区域生成网络提供先验知识,从而提高了检测精度.鉴于小尺寸稻穗目标的特殊性,用ROIAlign替代ROIPooling,提高了感兴趣区域的提取精度.试验测试时,根据水稻不同发育期稻穗的表型特征差异自制了3类数据集,并选取最佳聚类数为10.模型对比试验表明,本文方法的稻穗检测平均精度均值达到80. 3% ,较Faster R-CNN模型提升了2. 4个百分点,且比SSD和YOLO系列模型有较大幅度的提升.

关键词：稻穗检测;改进Faster R-CNN;Inception ResNet-v2;K-means

所属期刊栏目：52

分类号：TP391.4;S511.3(计算技术、计算机技术)

资助基金：广东省重点领域研发计划项目;广东省农业厅乡村振兴专项基金项目

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：231-240