数字农科院2.0

基于Faster R-CNN的蔗田杂草检测算法研究

文献类型: 中文期刊

作者: 黄书琴;黄福乐;罗柳茗;覃锋;李岩舟

作者机构:

关键词: 杂草检测;Faster R-CNN;均衡特征金字塔;动态分配标签策略;软非极大抑制

期刊名称:中国农机化学报

ISSN: 2095-5553

年卷期: 2024 年 45 卷 06 期

页码:

收录情况: 北大核心(2023版) ; ; 科技核心(2024版) ; ; 农林核心(2020版)

摘要: 为提高自然环境下蔗田杂草检测准确率,提出一种基于改进的Faster R-CNN的蔗田杂草检测算法。在特征提取阶段使用BFP模块均衡各级语义特征来加强对杂草图像深层特征的提取;采用DLA策略动态调整网络的标签预测阈值,解决训练前期正样本稀缺问题;使用Soft-NMS对模型进行优化,通过改进原模型的NMS减少单类目标漏检并提高目标定位精度。试验结果表明,优化后算法的mAP值达81.3%,与原Faster R-CNN算法相比,精度提升6.2%,平均每幅图像测试耗时0.132 s,且在AP50、APs、APl指标上分别有6.5%、4.7%、5.1%的提高。改进后的算法具有较高的检测精度和稳定性,可以满足复杂自然环境下的蔗田杂草检测需求。

分类号:

  • 相关文献

[1]基于知识蒸馏的多教师棉田杂草检测模型. 朱养鑫,郝珊珊,郑伟健,金诚谦,印祥,周鹏. 2025

[2]基于深度学习与复合字典的马铃薯病害识别方法. 杨森,冯全,张建华,孙伟,王关平. 2020

[3]利用深度学习进行GF-6影像枣园检测识别. 段晨阳,冯建中,全斌,白林燕,王盼盼. 2022

[4]基于改进Faster R-CNN的文本检测方法研究. 田鑫宇,刘蕾,吴金聪,朱大洲. 2025

[5]Research on machine vision and deep learning based recognition of cotton seedling aphid infestation level. Xin Xu,Jing Shi,Yongqin Chen,Qiang He,Liangliang Liu,Tong Sun,Ruifeng Ding,Yanhui Lu,Chaoqun Xue,Hongbo Qiao. 2023

[6]Estimating maize seedling number with UAV RGB images and advanced image processing methods. Liu, Shuaibing,Yin, Dameng,Feng, Haikuan,Li, Zhenhai,Xu, Xiaobin,Shi, Lei,Jin, Xiuliang. 2022

[7]Estimating maize seedling number with UAV RGB images and advanced image processing methods. Shuaibing Liu, Dameng Yin, Haikuan Feng, Zhenhai Li, Xiaobin Xu, Lei Shi, Xiuliang Jin. 2022

作者其他论文 更多>>