| 采用YOLO算法和无人机影像的松材线虫病异常变色木识别 |
| |
| 引用本文： | 黄丽明, 王懿祥, 徐琪, 刘青华. 采用YOLO算法和无人机影像的松材线虫病异常变色木识别[J]. 农业工程学报, 2021, 37(14): 197-203. DOI: 10.11975/j.issn.1002-6819.2021.14.022 |
| |
| 作者姓名： | 黄丽明 王懿祥 徐琪 刘青华 |
| |
| 作者单位： | 1.浙江农林大学,环境与资源学院,杭州 311300;2.浙江农林大学,省部共建亚热带森林培育国家重点实验室,杭州 311300;3.浙江农林大学,浙江省森林生态系统碳循环与固碳减排重点实验室,杭州 311300;4.中国林科院亚热带林业研究所,杭州 31100 |
| |
| 基金项目： | 浙江省公益技术应用研究项目（LGF21C160001）;浙江省重点研发计划项目（2020C02007） |
| |
| 摘 要： | 松材线虫病是一种传播速度快的毁灭性森林病害,利用无人机遥感及时对松材线虫病病害木进行监测,是控制松材线虫病蔓延的有效方式.该研究利用YOLO算法自动识别无人机遥感影像上的松材线虫病异常变色木,利用深度可分离卷积和倒残差结构改进YOLOv4算法,提高了识别的精度和效率.比较Faster R-CNN、EfficientDe...
|
| 关 键 词： | 无人机 深度学习 YOLO 松材线虫病 异常变色木 |
| 收稿时间： | 2021-04-20 |
| 修稿时间： | 2021-07-10 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
