|
|||||
|
|
| 基于Faster-RCNN的自然环境下油茶果检测研究 | |
| 作者单位： | ;1.江西农业大学工学院/江西省现代农业装备重点实验室 |
| 摘 要： | 利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像。首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归。对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39%,准确率为98.92%,召回率为93.32%,F1值为96.04%;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求。 |
| 关 键 词： | Faster—RCNN 油茶果 检测 深度学习 |
Study on Detection of Camellia Fruit in Natural Environment Based on Faster-RCNN |
|
| Abstract: | |
| Keywords: | |