基于Faster R-CNN的作物生物密度智能识别方法

文献类型： 中文期刊

第一作者： 李修华

作者： 李修华;李倩;张瀚文;丁璐;王泽平

作者机构：

关键词： 果园计数;香蕉;Faster R-CNN;深度学习;去重

期刊名称： 生物工程学报

ISSN： 1000-3061

年卷期： 2025 年 41 卷 010 期

页码： 3828-3839

收录情况： 北大核心 ; CSCD

摘要： 准确获取大田作物数量和密度不仅是水肥管理按需投入的关键，也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle, UAV)航拍可以快速且大面积地获取大田作物的分布图像信息，但是单一类型密集目标的准确识别对于大多数识别算法来说都是一个巨大的挑战。本研究以香蕉苗为例，通过无人机高空航拍香蕉园的图像，研究密集目标高效识别方法。本研究提出了一种“裁-识-拼”的策略，构建了一个基于改进的Faster R-CNN算法的计数方法。该方法先将包含高密集目标的图像按不同尺寸(模拟不同飞行高度)裁剪成大量图像瓦片，并采用对比度限制自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法提高图像质量，构建了包含36 000张图像瓦片的香蕉苗数据集；然后采用经过参数优化的Faster R-CNN网络训练香蕉苗识别模型；最后将识别结果进行反拼接，并设计了一种边界去重算法，对最终的计数结果进行校正，以减少图像裁剪引起的香蕉苗重复识别。结果表明，经过参数优化的Faster R-CNN对不同尺寸的香蕉图像数据集的识别精度最高达到了0.99；去重算法可以将针对航拍原始图像的平均计数误差从1.60%降低到0.60%，香蕉苗的平均计数准确率达到99.4%。本研究提出的方法有效解决了高分辨率航拍图像中密集小目标识别难题，为精准农业中的作物密度智能监测提供了高效可靠的技术支撑。

分类号： S126%TP391.41%TP183

  • 相关文献

[1]基于深度学习与复合字典的马铃薯病害识别方法. 杨森,冯全,张建华,孙伟,王关平. 2020

[2]基于Faster R-CNN的松材线虫病受害木识别与定位. 徐信罗,陶欢,李存军,程成,郭杭,周静平. 2020

[3]基于Faster R-CNN的大田玉米雄穗识别及抽穗期判定研究. 张小青,樊江川,郭新宇,赵春江. 2021

[4]基于深度学习、小波变换和可见光谱的茶树冻害程度评估. 李赫,王玉,范凯,毛艺霖,丁仕波,宋大鹏,王梦琪,丁兆堂. 2024

[5]田间玉米苗期高通量动态监测方法. 张小青,邵松,郭新宇,樊江川. 2021

[6]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

[7]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

[8]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

[9]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[10]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[11]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[12]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[13]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[14]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[15]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[16]蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试. 李华龙,李淼,詹凯,刘先旺,杨选将,胡泽林,郭盼盼. 2020

[17]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[18]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[19]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[20]基于深度学习的油菜籽粒图像分割方法初探. 彭顺正,黄筑斌,岳延滨,吴小波. 2020

作者其他论文 更多>>

微信小程序