基于深度残差网络的麦穗回归计数方法

文献类型： 中文期刊

第一作者： 刘航

作者： 刘航;刘涛;李世娟;李路华;吕纯阳;刘升平

作者机构：

关键词： 麦穗;计数;密度回归;残差网络

期刊名称： 中国农业大学学报

ISSN： 1007-4333

年卷期： 2021 年 006 期

页码： 170-179

收录情况： 北大核心 ; CSCD

摘要： 单位面积的穗数是估算小麦产量的重要指标,针对传统麦穗计数方法效率低、主观性高等问题,将基于深度残差网络的密度回归模型引入麦穗的计数领域,建立原始图片与密度图的对应关系,以密度图像素值总和确定图像中麦穗数量。对ResNet34网络进行改进,提出了ResNet-16模型,实现端对端的麦穗计数。针对ResNet34网络复杂度高的特点,ResNet-16增加了残差块的宽度,减少了ResNet34网络的深度;为了避免真值密度图的精度误差以及梯度下降过快,引入了矫正因子δ和膨胀因子K。结果表明:改进后的ResNet-16模型能够取得更好的预测精度,平均绝对误差为2.50,均方根误差为3.27,相关系数R2为0.973,计数准确率达到94%,较MCNN计数模型精度提高了6%,可以实现高效、快速的麦穗计数。利用基于深度残差网络的回归计数模型为麦穗计数提供了一种新的计数方式。

分类号： TP391.41`S512.1

  • 相关文献

[1]UPLC-MS/MS法检测麦穗中氟唑菌酰羟胺的残留和消解动态. 吴琴燕,陈宏州,李冬冬,张文文,杨红福,庄义庆. 2021

[2]高产小麦品种郑麦7698花后光合特性研究. 金立桥,胡琳,张子山,赵世杰,高辉远,齐学礼. 2019

[3]基于形态学图像处理的麦穗形态特征无损测量. 毕昆,姜盼,李磊,石本义,王成. 2010

[4]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[5]改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法. 龙洁花,赵春江,林森,郭文忠,文朝武,张宇. 2021

[6]基于改进YOLO v3-tiny的全景图像农田障碍物检测. 陈斌,张漫,徐弘祯,李寒,尹彦鑫. 2021

[7]基于注意力机制和多尺度残差网络的农作物病害识别. 黄林生,罗耀武,杨小冬,杨贵军,王道勇. 2021

[8]融合ResNet与支持向量机的葡萄园冠层图像叶片覆盖度分类. 代国威,陈稼瑜,樊景超. 2023

[9]基于可见光谱和改进注意力的农作物病害识别. 孙文斌,王荣,高荣华,李奇峰,吴华瑞,冯璐. 2022

[10]基于物联网的桔小实蝇诱捕监测装备设计及试验. 肖德琴,傅俊谦,邓晓晖,冯健昭,殷建军,可欣荣. 2015

[11]不同月龄荷斯坦犊牛瘤胃纤毛虫计数及形态观察. 刘景喜,韩静,潘振亮,陈龙宾,袁思堃,周娟,张煊明,于化福,李怀安. 2013

[12]采用图像扫描法快速测定芦笋种子粒数和千粒重. 高慧敏,田玉,刘志强,赵振芳. 2019

[13]虾肝肠胞虫(EHP)孢子的纯化和计数. 赵若恒,高雯,邱亮,李晨,谢国驷,黄倢. 2019

[14]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

[15]害虫自动识别与计数技术研究进展与展望. 陈梅香,杨信廷,石宝才,李文勇,杜晓伟,李明,孙传恒. 2015

[16]基于荧光效应和调色板均衡化的小球藻自动计数方法研究. 刘世晶,王帅,唐荣,陈军,刘兴国,周海燕. 2016

[17]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2023

[18]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

作者其他论文 更多>>

微信小程序