数字农科院2.0

基于SSD模型的巢门蜜蜂检测

文献类型： 中文期刊

作者： 吕纯阳;刘升平;郭秀明;肖顺夫;刘大众;杨菲菲;李路华

作者机构：

关键词： 巢门区域 ; 蜜蜂数量 ; 深度学习 ; SSD

期刊名称：中国农业科技导报

ISSN： 1008-0864

年卷期： 2021 年 23 卷 05 期

页码：

收录情况： 北大核心（2020版） ; CSCD（2020-2021年度） ; 农林核心（2020版） ; 科技核心（2020版）

摘要： 传统蜜蜂监测多依靠人力和经验,信息化水平低,蜂群自动化监测得到广泛关注。近年来,基于深度学习的目标检测发展迅速,并在多领域取得很好的应用效果。SSD模型是一种基于卷积神经网络的目标检测模型,具有快速和准确率高的优势。蜂巢口光照多变、环境复杂,蜂群本身也具有互相遮挡和阴影等复杂情况。采用SSD模型对巢门区蜜蜂检测和数据统计,结果表明,提出的方法在少量、一般和较多蜜蜂数量情况下准确率分别达到96.34%、92.52%和88.06%,比传统方法分别提高11%、19%和25%,且对光照、天气、拍摄距离等环境有很强的适应性,能检测处理蜜蜂阴影、虚化、遮挡等复杂状况。研究结果为蜂群巢外监测提供有力支持,也为基于蜜蜂跟踪的进出量统计奠定了基础。

分类号：

  • 相关文献

[1]Landsat 8地表温度产品降尺度深度学习方法研究. 张义峥,吴鹏海,段四波,杨辉,殷志祥. 2021

[2]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[3]Determination And Validation Of Soil T.hresholds For Cadmium Based O n Food Quality Standard And Health Risk Assessment. Ding, CF, Ma, YB, Li, XG, Zhang, TL, Wang, XX. 2018

[4]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[5]农业复杂环境下尺度自适应小目标识别算法——以蜜蜂为例. 郭秀明,诸叶平,李世娟,张杰,吕纯阳,刘升平. 2022

作者其他论文 更多>>