您好,欢迎访问北京市农林科学院 机构知识库!

基于Faster R-CNN的大田玉米雄穗识别及抽穗期判定研究

文献类型: 中文期刊

作者: 张小青 1 ; 樊江川 2 ; 郭新宇 2 ; 赵春江 1 ;

作者机构: 1.上海海洋大学信息学院    

2.北京农业信息技术研究中心    

关键词: 大田玉米;雄穗检测;计数;Faster R-CNN;抽穗期判定

期刊名称: 安徽农业大学学报

ISSN: 1672-352X

年卷期: 2021 年 005 期

页码: 849-856

收录情况: 北大核心 ; CSCD

摘要: 目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错。为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型。再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定。该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14%,平均绝对误差为4.732 8;在无人机平台获取的图像数据测试集中类平均精度为82.14%,平均绝对误差为9.694 8。试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值。

  • 相关文献

[1]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

[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]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

作者其他论文 更多>>