首页|基于深度学习YOLO模型的植物图像识别算法研究

基于深度学习YOLO模型的植物图像识别算法研究

扫码查看
原文链接
  • 万方数据
  • 维普
为提高YOLO模型进行植物图像快速识别的准确率,对基于深度学习YOLO模型算法进行研究.在传统网络模型的基础上,引入了可变形卷积,将损失函数加入分类函数层中,有效的提高了模型的泛化性能,结合cuDNN库进行并行计算,提高了算法的效率.采用改进的YOLOv3网络模型结合公开数据集进行测试,实现了102种植物的有效识别,平均检测时间为1.275 s,在Top-2、Top-3准确率上均达到96％,与传统YOLO算法相比,识别的准确率和效率均有提高.结果表明,所建立的基于深度学习YOLO模型,在复杂多种类植物识别方面有推广应用价值.
Research on recognition algorithm of plant image based on deep learning YOLO model

剧成宇、师艳、孙步阳

展开 >

中国电建集团河南省电力勘测设计院有限公司,河南 郑州 450007

河南地矿职业学院,河南 郑州 450007

识别算法 植物图像 YOLO模型 卷积神经网络

2022

10.3969/j.issn.1001-358X.2022.01.017

矿山测量
煤炭科学研究总院唐山研究院

矿山测量

影响因子：0.337
ISSN：1001-358X
年,卷(期)：2022.50(1)
  • 6