基于Darknet深度学习框架的桃花检测方法

文献类型： 中文期刊

第一作者： 郭涛

作者： 郭涛;郭家;李宗南;邱霞;王思

作者机构：

关键词： Darknet;Faster R-CNN;桃花识别;目标检测;自然场景

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2021 年 33 卷 006 期

页码： 25-33

摘要： [目的]为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测.[方法]文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别.[结果]模型精度评估表明,YOLO v4模型的平均准确率MAP值(86%)比Faster R-CNN的MAP值(51%)高出35%.[结论]YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础.

分类号： TP18`TP391.41`S662.1

  • 相关文献
作者其他论文 更多>>

微信小程序