首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于Darknet深度学习框架的桃花检测方法
引用本文:郭涛,郭家,李宗南,邱霞,王思.基于Darknet深度学习框架的桃花检测方法[J].中国农业信息,2021,33(6):25-33.
作者姓名:郭涛  郭家  李宗南  邱霞  王思
作者单位:1.四川省农业科学院遥感与数字农业研究所,成都 610066;2.福州大学,数字中国研究院(福建), 福建福州 350108
基金项目:四川省科技计划项目“农业大数据资产管理及智能分析应用系统”(2021YFG0028)
摘    要:【目的】 为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】 文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】 模型精度评估表明,YOLO v4模型的平均准确率MAP值(86%)比Faster R-CNN的MAP值(51%)高出35%。【结论】 YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础。

关 键 词:Darknet  Faster  R-CNN  桃花识别  目标检测  自然场景
收稿时间:2021/10/20 0:00:00

The peach blossom detection method based on darknet deep learning framework
Guo Tao,Guo Ji,Li Zongnan,Qiu Xi,Wang Si.The peach blossom detection method based on darknet deep learning framework[J].China Agriculture Information,2021,33(6):25-33.
Authors:Guo Tao  Guo Ji  Li Zongnan  Qiu Xi  Wang Si
Abstract:
Keywords:Darknet  Faster R-CNN  peach blossom identification  target detection  natural scene
点击此处可从《中国农业信息》浏览原始摘要信息
点击此处可从《中国农业信息》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号