基于低空无人机影像和YOLOv3实现棉田杂草检测

摘要：

目的 变量作业是精细农业的核心目标,而杂草快速准确检测是精准除草的先决条件.基于此,本文提出了一种基于改进的YOLOv3模型的棉田杂草快速检测方法.方法 首先,利用无人机平台获取0.10、0.29、0.52 cm分辨率的棉花苗期影像,进行正射校正、拼接、裁剪、标注等前期处理,构建3个数据集;其次,通过目标维度聚类、改进模型结构等方法优化YOLOv3网络模型;最后通过对比分析测试结果得到最优模型和最佳分辨率.结果 改进的YOLOv3模型应用于0.29 cm分辨率的影像数据对棉田杂草检测效果最好.相较于原始模型,改进的YOLOv3模型杂草检测精度在3个数据集上分别提升了10.62％、12.89％、15.77％,尤其在0.29cm数据集上识别率和召回率分别达到了94.06％、90.26％,同时识别速度可达51帧/s.结论 在检测精度和运行速率方面,本文提出的棉田杂草模型均可满足实际农业生产需要.研究成果为精准除草提供了理论基础,同时文中所用方法也可为其他类型的农田地物检测提供借鉴.

关键词：无人机遥感、深度学习、YOLOv3、棉花、杂草

所属期刊栏目：37

分类号：TP391.41;TP751(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFB0504203;国家自然科学基金资助项目31460317

在线出版日期：2019-07-18（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：21-27