基于YOLOv4的稻田杂草目标检测算法

文献类型： 中文期刊

第一作者： 袁涛

作者： 袁涛;胡冬;马超;李琳一;郑秀国;钱戴玲

作者机构：

关键词： 杂草识别;目标检测;深度学习;YOLOv4

期刊名称： 上海农业学报

ISSN： 1000-3924

年卷期： 2023 年 39 卷 006 期

页码： 109-117

收录情况： 北大核心 ; CSCD

摘要： 针对当前精准农业中智能除草设备工作时需要精确快速识别稻田杂草的问题,提出了一种基于YOLOv4算法的稻田杂草检测方法.该方法参照PASCAL VOC数据集格式,构建了稻田杂草目标检测数据集,用深度可分离卷积代替原有的标准卷积,并将逆残差组件(Inverted Residual Unit,IRU)代替CSP-Darknet中的残差组件(Residual Unit,RU),使模型减少参数数量,提高了检测速度.此外,将用K-means算法聚类得到的边界框尺寸应用到各尺度网络层,在路径聚合网络(Path Aggregation Network,PANet)的自适应特征池输出后添加生成对抗网络(Generative Adversarial Network,GAN)噪声层,提高了模型检测精度.将改进的模型在GPU服务器上进行算法训练,并与原始YOLOv4算法进行模型性能的试验对比.结果表明:改进的算法在测试集上的平均精度均值(mean Average Precision,mAP)比原始算法高出4%,达到97%;检测速度提高了12.1帧/s,达到60.3帧/s,改进效果明显.该算法具有实时性好、精度高、鲁棒性强的优点,可以更好地实现智能除草设备对稻田杂草的检测,极大节约人力、物力的投入.

分类号： S126

  • 相关文献

[1]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

[2]改进YOLOv4的温室环境下草莓生育期识别方法. 龙洁花,郭文忠,林森,文朝武,张宇,赵春江. 2021

[3]基于RFID与目标检测的种鹅个体产蛋信息监测方法. 陶雪阳,施振旦,郭彬彬,戴子淳. 2023

[4]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[5]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[6]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[7]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[8]基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法. 李明,丁智欢,赵靖暄,陈思铭,李文勇,杨信廷. 2023

[9]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[10]基于YOLOv3模型的金枪鱼鱼群特征识别初步研究. 马硕,张禹,王鲁民,张勋,金卫国,王国来,常卫东. 2021

[11]大田环境下的农业害虫图像小目标检测算法. 蒋心璐,陈天恩,王聪,赵春江. 2024

[12]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[13]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[14]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

[15]水族馆鱼类目标检测网络优化研究. 刘洋,张胜茂,王书献,王斐,樊伟,邹国华,伯静. 2022

[16]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[17]基于改进YOLO-V4网络的浅海生物检测模型. 毛国君,翁伟栋,朱晋德,张媛,吴富村,毛玉泽. 2021

[18]基于改进YOLOv4算法的番茄叶部病害识别方法. 储鑫,李祥,罗斌,王晓冬,黄硕. 2023

[19]基于改进YOLOv4的田间密集小目标检测方法. 杨军奇,冯全,王书志,张建华,杨森. 2022

[20]光谱图像技术在精准施药中的应用. 祖琴,陈湘萍,邓巍. 2013

作者其他论文 更多>>

微信小程序