文献类型： 中文期刊

作者： 程嘉瑜 ¹ ; 陈妙金 ² ; 李彤 ¹ ; 孙奇男 ² ; 张小斌 ³ ; 赵懿滢 ³ ; 朱怡航 ³ ; 顾清 ³ ;

作者机构： 1.浙江农林大学数学与计算机科学学院

2.宁波市奉化区水蜜桃研究所

3.浙江省农业科学院数字农业研究所

关键词： 桃树;遥感;深度学习;无人机

期刊名称： 浙江农业学报

ISSN： 1004-1524

年卷期： 2024 年 36 卷 008 期

页码： 1909-1919

收录情况： 北大核心 ; CSCD

摘要： 研究桃树精准检测定位方法可为桃园精准化管理提供支撑，该研究利用无人机遥感结合深度学习算法对无叶期桃树进行检测，并对萌芽期桃树和花期桃树进行区分。在Faster-RCNN原始网络的基础上提出了3种改进：替换主干网络为融合卷积注意力模块(convolutional block attention module, CBAM)后的ResNeXt-50、感兴趣区域特征提取方法使用ROI Align代替ROI Pooling、引入不平衡交叉熵损失函数Focal Loss,并采用消融试验对这些改进方法的效果进行分析。实验表明，与未改进的Faster-RCNN相比，改进后的模型mAP(mean average precision)提升了8.95百分点，达到了86.46%,能够较好地区分花期桃树与萌芽期桃树。对模型提升贡献最大的改进是ResNeXt-50-CBAM主干网络替换，mAP提升5.98百分点；ROI Align的使用减少了特征量化过程中的误差，mAP提升2.33百分点。与其他主流检测模型YOLOv3、 YOLOv5x和SSD相比，该研究提出的模型检测效果更优。该研究提出的无人机遥感结合改进Faster-RCNN算法能够较好地对桃树进行检测，可以满足桃园精准化管理需求。