| 基于Mask R-CNN的玉米田间杂草检测方法 |
| |
| 引用本文： | 姜红花,张传银,张昭,毛文华,王东,王东伟.基于Mask R-CNN的玉米田间杂草检测方法[J].农业机械学报,2020,51(6):220-228,247. |
| |
| 作者姓名： | 姜红花 张传银 张昭 毛文华 王东 王东伟 |
| |
| 作者单位： | 山东农业大学信息科学与工程学院,泰安271叭8;宝鸡文理学院电子电气工程学院,宝鸡721016;中国农业机械化科学研究院,北京100083;山东农业大学农学院,泰安271018;青岛农业大学机电工程学院,青岛266109 |
| |
| 基金项目： | 国家重点研发计划项目（2017YFD0700500）、山东省重大科技创新工程项目（2019JZZY010716）、山东省农业重大应用技术创新项目（SD2019NJ001）、山东省重点研发计划项目（2015GNC112004）和山东省自然科学基金项目（ZR2018MC017） |
| |
| 摘 要： | 针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法。该方法采用残差神经网络Res Net-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非极大值抑制算法筛选出感兴趣区域;采用区域特征聚集方法(Ro IAlign),取消量化操作带来的边框位置偏差,并将感兴趣区域(Ro I)特征图转换为固定尺寸的特征图;输出模块针对每个Ro I计算分类、回归、分割损失,通过训练预测候选区域的类别、位置、轮廓,实现杂草检测及轮廓分割。在玉米、杂草数据集上进行测试,当交并比(Io U)为0. 5时,本文方法均值平均精度(m AP)为0. 853,优于Sharp Mask、Deep Mask的0. 816、0. 795,本文方法的单样本耗时为280 ms,说明本文方法可快速、准确检测分割出杂草类别、位置和轮廓,优于Sharp Mask、Deep Mask实例分割算法。在复杂背景下对玉米、杂草图像进行测试,在Io U为0. 5时,本文方法 m AP为0. 785,单样本耗时为285 ms,说明本文方法可实现复杂背景下的农田作物杂草分割。在田间变量喷洒试验中,杂草识别准确率为91%,识别出杂草并准确喷雾的准确率为85%,准确喷药的杂草雾滴覆盖密度为55个/cm2,装置对每幅图像的平均处理时间为0. 98 s,满足农药变量喷洒的控制要求。
|
| 关 键 词： | 杂草 变量喷药 特征提取 图像分割 残差神经网络 |
| 收稿时间： | 2019/10/8 0:00:00 |
Detection Method of Corn Weed Based on Mask R-CNN |
| |
| JIANG Honghu,ZHANG Chuanyin,ZHANG Zhao,MAO Wenhu,WANG Dong,WANG Dongwei.Detection Method of Corn Weed Based on Mask R-CNN[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(6):220-228,247. |
| |
| Authors: | JIANG Honghu ZHANG Chuanyin ZHANG Zhao MAO Wenhu WANG Dong WANG Dongwei |
| |
| Institution: | Shandong Agricultural University;Baoji University of Arts and Sciences;Chinese Academy of Agricultural Mechanization Sciences; Qingdao Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | weeds variable spraying pesticide feature extraction image segmentation residual neural network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
