基于ResNet深度残差网络的白喉乌头检测 |
| |
引用本文: | 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令.基于ResNet深度残差网络的白喉乌头检测[J].草业科学,2023(1):144-151. |
| |
作者姓名: | 梁俊欢 董峦 阿斯娅·曼力克 孙宗玖 魏鹏 马海燕 艾尼玩·艾买尔 阿仁 郑逢令 |
| |
作者单位: | 1. 新疆农业大学草业学院;2. 新疆农业大学计算机与信息工程学院;3. 新疆畜牧科学院草业研究所;4. 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站 |
| |
基金项目: | 国家自然科学基金(31860679); |
| |
摘 要: | 在人类活动和气候变化的影响下,毒害草的蔓延威胁着生态安全和畜牧业的健康发展,白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一。为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标,以白喉乌头为研究对象,利用无人机航拍正射影像构建白喉乌头数据集。基于Faster-RCNN和SSD算法,采用ResNet50和ResNet101两种深度的主干网络提取特征,对比不同方法的检测精度。结果表明:通过对比测试集的检测精度Faster-RCNN_ResNet50的mAP (平均精确度)值最高,达到64.74%,而SSD_ResNet50的mAP最低,仅为48.70%,Faster-RCNN_ResNet101的mAP值为63.37%,而SSD_ResNet101的为52.55%。本研究对从航拍正射影像中检测白喉乌头有借鉴意义和参考价值。
|
关 键 词: | 毒害草 深度学习 卷积神经网络 无人机遥感 目标识别 Faster-RCNN SSD |
|
|