首页|基于人工智能的青菜幼苗与杂草识别方法

基于人工智能的青菜幼苗与杂草识别方法

AI Differentiation of Bok Choy Seedlings from Weeds

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
[目的]提出一种基于人工智能的青菜幼苗与杂草识别方法,以期解决杂草识别这一制约精确除草的瓶颈问题.[方法]以青菜幼苗及其伴生杂草为试验对象,通过神经网络模型识别青菜幼苗.青菜幼苗目标之外的绿色像素则认为是杂草,并利用颜色特征对杂草进行分割.为探究主流卷积神经网络(Convolutional Neural Networks,CNN)模型以及新兴Transformer神经网络模型在青菜识别中的效果,分别选取YOLOX模型和Deformable DETR模型,以识别率和识别性能作为评价指标进行对比分析.[结果]基于CNN的YOLOX模型和基于Transformer的Deformable DETR模型都能有效识别青菜幼苗.其中YOLOX模型为最优模型,平均精度和识别速度分别为98.1％和44.8 fps.[结论]将青菜幼苗之外的绿色目标视为杂草的思路不仅简化了杂草识别的复杂性,同时提高了杂草识别的泛化能力.提出的青菜幼苗与杂草识别方法可用于青菜幼苗生长管理的精准作业.

孙艳霞、陈燕飞、金小俊、于佳琳、陈勇

展开 >

南京林业大学机械电子工程学院,江苏 南京 210037

南京交通职业技术学院轨道交通学院,江苏 南京 211188

南京林业大学林学院,江苏 南京 210037

青菜幼苗 杂草识别 人工智能 卷积神经网络 Transformer神经网络

国家自然科学基金江苏省农业科技自主创新资金项目泰州市科技支撑计划(农业)项目南京交通职业技术学院青年科研创新团队项目

320724983184SNY20208841500615005

2021

10.19303/j.issn.1008-0384.2021.12.013

福建农业学报
福建省农业科学院

福建农业学报

CSTPCDCSCD北大核心
影响因子：0.656
ISSN：1008-0384
年,卷(期)：2021.36(12)
  • 3
  • 13