基于卷积神经网络的棉花作物行检测
针对传统作物行分割算法难以对覆膜回收期棉花作物行进行分割的问题,提出基于卷积神经网络的作物行检测方法.首先使用卷积神经网络U-Net对棉花作物行进行分割,然后从分割结果中定位得到作物行中心点并进行分类,最后基于随机抽样选取最优拟合直线作为作物行中心线.实验结果表明:该算法对多种光照条件具有良好的鲁棒性,棉花作物行检测准确率达到92.68%,对分辨率为640×480图像的处理时间小于70 ms,能够满足实用要求.
作物行检测、U-Net网络、卷积神经网络、覆膜回收
TP391(计算技术、计算机技术)
国家自然科学基金31671586
2021-07-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
54-58,70