期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Faster R-CNN的蓝莓冠层果实检测识别分析 被引量：23
1
作者 朱旭 马淏 +3 位作者 姬江涛 金鑫 赵凯旋 张开 《南方农业学报》 CAS CSCD 北大核心 2020年第6期1493-1501,共9页
【目的】基于Faster R-CNN模型对不同成熟度蓝莓果实进行精准识别分类,为浆果类果实的自动化采摘、产量预估等提供技术支撑。【方法】选取成熟果、半成熟果、未成熟果剪切图像各4000幅和8000幅背景图像作为训练集,1000幅原始图像用于验... 【目的】基于Faster R-CNN模型对不同成熟度蓝莓果实进行精准识别分类,为浆果类果实的自动化采摘、产量预估等提供技术支撑。【方法】选取成熟果、半成熟果、未成熟果剪切图像各4000幅和8000幅背景图像作为训练集,1000幅原始图像用于验证集开展试验,改进Faster R-CNN算法,设计一种对背景干扰、果实遮挡等因素具有良好鲁棒性和准确率的蓝莓果实识别模型,模型通过卷积神经网络(CNN)、区域候选网络(RPN)、感兴趣区域池化(ROI Pooling)和分类网络来实现蓝莓图像背景消除及果实识别并与DPM算法进行对比。【结果】以WOA算法优化的训练参数作为参考,在蓝莓数据集上训练网络模型。在分析P-R曲线后计算F发现,Faster R-CNN算法在成熟果、半成熟果和未成熟果上的F值分别为95.48%、95.59%和94.70%,与DPM算法相比平均高10.00%。在对3类蓝莓果实的识别精度方面,Faster R-CNN同样有着优秀的识别效果。对成熟果、半成熟果和未成熟果的识别准确率分别为97.00%、95.00%和92.00%,平均识别准确率为94.67%,比DPM算法高20.00%左右。该网络模型在高精度的识别效果下,对于蓝莓果实的平均识别速度依然达0.25 s/幅,能满足实时在线识别的需求。【建议】获取多角度、复杂环境下的图像用来提高模型识别率;利用迁移学习建立蓝莓识别模型;数据集样本扩充并分类。 展开更多
关键词 蓝莓 冠层果实 Faster R-CNN 精准识别 产量预估 不同成熟度
在线阅读 下载PDF
目标检测算法Yolov8用于转色柑桔果实检测的改进
2
作者 李永杰 易时来 +2 位作者 朱潇婷 金国强 田喜 《中国南方果树》 北大核心 2024年第3期281-287,共7页
为提高在自然环境下对柑桔果实的识别,针对当前柑桔目标检测中树冠大、果实个体小、密集且遮挡严重等导致果实检测难度大的问题,基于自然状态下转色中后期温州蜜柑单侧完整树冠图像构建的果实数据集,提出了一种在Yolov8检测模型上添加... 为提高在自然环境下对柑桔果实的识别,针对当前柑桔目标检测中树冠大、果实个体小、密集且遮挡严重等导致果实检测难度大的问题,基于自然状态下转色中后期温州蜜柑单侧完整树冠图像构建的果实数据集,提出了一种在Yolov8检测模型上添加小目标检测层的I-Yolov8检测模型。结果表明,以自然环境下的冠层为背景,丰富了数据集的目标特征,而添加的小目标检测层可用于检测4像素×4像素以上的目标。模型的训练平均精度(mAP)达到93.5%,相比Yolov8提升了1.3百分点。在晴天和阴天两个自然场景下分别进行预测,I-Yolov8和Yolov8的检测精确率均为100%;I-Yolov8的召回率分别达72.45%和91.61%,相比Yolov8分别提升了16.33和14.63百分点。I-Yolov8网络模型对于自然环境中柑桔的检测精度高,具备较高的应用潜力。 展开更多
关键词 Yolov8 小目标检测层 温州蜜柑 冠层果实
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部