改进Retina-Net的草坪杂草目标检测

在城市规划与园林景观中,人工养护的草坪起到美化环境的作用,但是各类草坪杂草的滋生,严重损害景观草坪的观赏性。而人工分辨杂草费时费力,影响后续的除草效率。因此,借助深度学习的研究成果,对现有的Retina-Net目标检测模型进行针对性改进,通过提取训练集目标图像特征信息、增设多尺度感受野、改进软池化层等方式,提升模型的杂草检测和种类分辨的能力,有助于后续除草工作的高效展开。最终试验对6类杂草的识别率分别为85.3%,84%,89.6%,86.7%,95.1%,91.5%。相比较于其他主流目标检测算法,识别率分别提高2.2%～9.3%。