基于改进版Faster-RCNN的复杂背景下桃树黄叶病识别研究

由于桃树黄叶病(以下简称PTYLD)初期症状不明显，现有的基于深度学习的桃树病害识别技术，存在识别准确率不高、识别品种单一的问题，提出一种基于Faster-RCNN的PTYLD识别模型。为提高模型对PTYLD识别准确率和识别多样性，提出使用RS-Loss函数代替RPN中的交叉熵函数、使用Soft-NMS算法代替原来的NMS算法，来改进Faster-RCNN。通过试验对比初始版和改进版Faster-RCNN对PTYLD的识别效果。试验结果显示，改进后的Faster-RCNN对黄叶病识别的各类别平均准确率mAP达90.56%、召回率达94.16%、准确率达92.53%,能识别常见的五种PTYLD。