首页|基于Faster-RCNN的自然环境下油茶果检测研究

基于Faster-RCNN的自然环境下油茶果检测研究

Study on Detection of Camellia Fruit in Natural Environment Based on Faster-RCNN

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像.首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归.对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39％,准确率为98.92％,召回率为93.32％,F1值为96.04％;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求.

陈斌、饶洪辉、王玉龙、李庆松、王保阳、刘木华

展开 >

江西农业大学 工学院/江西省现代农业装备重点实验室,江西 南昌 330045

Faster—RCNN 油茶果 检测 深度学习

江西省教育厅项目

GJJ170263

2021

10.19386/j.cnki.jxnyxb.2021.01.12

江西农业学报
江西省农业科学院 江西省农学会

江西农业学报

CSTPCD
影响因子：0.632
ISSN：1001-8581
年,卷(期)：2021.33(1)
  • 8
  • 9