数字农科院2.0

利用深度学习进行GF-6影像枣园检测识别

文献类型： 中文期刊

作者： 段晨阳;冯建中;全斌;白林燕;王盼盼

作者机构：

关键词： 枣园目标检测;Faster R-CNN;泛化迁移学习;数据增强;GF-6

期刊名称：测绘通报

ISSN： 0494-0911

年卷期： 2022 年 3 期

页码：

收录情况： 北大核心（2020版） ; CSCD（2021-2022年度） ; 科技核心（2021版）

摘要： 针对新疆南疆大规模枣园的检测识别,本文提出了一种基于泛化迁移深度学习的枣园目标检测识别方法.以GF-6卫星影像数据为基础制作了Jujube数据集,并将其泛化扩充增强;以Faster R-CNN体系为基础,利用多态协同模式实现数据集的有效关联和优化重构,进行检测识别模型的迁移深度学习以提高对目标对象检测识别的泛化能力.结果表明,模型算法的验证识别精确率、召回率和调和平均值分别达0.979、0.952和0.965,在应用测试中,3个指标平均值均大于0.929,优于传统检测方法,且本文模型方法总体分类精度为0.97,Kappa系数为0.93,均高于面向对象最邻近法,能够有效地满足研究区规模化枣园目标检测识别的精度和效率的要求,为精细化枣园田间管理提供基础依据.

分类号：

  • 相关文献

[1]农业科学数据共享技术系统研究. 彭秀媛,王枫,周国民. 2019

[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]基于Faster R-CNN的蔗田杂草检测算法研究. 黄书琴,黄福乐,罗柳茗,覃锋,李岩舟. 2024

[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]基于空间特征融合ViT的枸杞虫害细粒度分类方法. 孙露露,刘建平,周国民,王健,刘立波. 2024

[6]基于BERT的猕猴桃病虫害命名实体识别. 文青青,李金星,王虎,李莉婕,赵泽英,郭雷风. 2025

[7]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

[8]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

[9]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>>