基于Faster R-CNN网络的茶叶嫩芽检测

文献类型： 中文期刊

第一作者： 朱红春

作者： 朱红春;李旭;孟炀;杨海滨;徐泽;李振海

作者机构：

关键词： 茶叶嫩芽;识别检测;深度学习;卷积神经网络

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 53 卷 005 期

页码： 217-224

收录情况： EI ; 北大核心 ; CSCD

摘要： 为有效识别茶叶嫩芽提高机械采摘精度、规划采摘路线以避免伤害茶树,针对传统目标检测算法在复杂背景下检测精度低、鲁棒性差、速度慢等问题,探索了基于Faster R-CNN目标检测算法在复杂背景下茶叶嫩芽检测方面的应用.首先对采集图像分别进行等分裁切、标签制作、数据增强等处理,制作VOC2007数据集;其次在计算机上搭建深度学习环境,调整参数进行网络模型训练;最后对已训练模型进行测试,评价已训练模型的性能,并同时考虑了 FasterR-CNN模型对于嫩芽类型(单芽和一芽一叶/二叶)的检测精度.结果表明,当不区分茶叶嫩芽类型时,平均准确度(AP)为54%,均方根误差(RMSE)为3.32;当区分茶叶嫩芽类型时,单芽和一芽一叶/二叶的AP为22%和75%,RMSE为2.84;另外剔除单芽后,一芽一叶/二叶的AP为76%,RMSE为2.19.通过对比基于颜色特征和阈值分割的茶叶嫩芽识别算法(传统目标检测算法),表明深度学习目标检测算法在检测精度和速度上明显优于传统目标检测算法(RMSE为5.47).可以较好地识别复杂背景下的茶叶嫩芽.

分类号： TP391.4

  • 相关文献

[1]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[2]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[3]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[4]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[5]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[6]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

[7]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[8]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[9]一种边缘辅助的卫星影像云修复卷积神经网络. 张雨姝,戴佩玉. 2024

[10]基于卷积神经网络的家蚕病害识别研究. 石洪康,肖文福,黄亮,胡丛武,胡光荣,张剑飞. 2022

[11]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[12]基于3-2D融和模型的毛虾捕捞渔船行为识别. 张佳泽,张胜茂,王书献,杨昱皞,戴阳,熊瑛. 2022

[13]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[14]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[15]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[16]常态养殖下妊娠母猪体质量智能测定模型. 肖德琴,刘俊彬,刘又夫,黄一桂,谭祖杰,熊本海. 2022

[17]深度学习在农业领域的研究与应用. 梁美静,毛克彪,郭中华,袁紫晋. 2024

[18]基于脸部RGB-D图像的牛只个体识别方法. 刘世锋,常蕊,李斌,卫勇,王海峰,贾楠. 2023

[19]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

[20]面向海洋渔业捕捞生产的深度学习方法应用研究进展. 张胜茂,孙永文,樊伟,唐峰华,崔雪森,伍玉梅. 2022

作者其他论文 更多>>

微信小程序