首页|基于深度学习的田间麦穗检测

基于深度学习的田间麦穗检测

Field Wheat Ear Detection Based on Deep Learning

扫码查看
原文链接
  • 万方数据
  • 维普
大田小麦麦穗识别是小麦估产的重要环节,准确快速的麦穗检测识别是产量估算的前提.利用深度学习技术识别大田图像中的麦穗,可以大幅提高麦穗计数的效率.针对大田小麦植株互相遮挡和光照不均等问题,本文将通道注意力模块添加到PPYOLO网络中,构建了注重检测精度和检测速度相平衡的麦穗检测网络PPYOLO-SE,并将该网络与原PPYOLO网络、SSD、YOLOv3和Faster-RCNN网络进行对比试验,PPYOLO-SE模型检测精度为95.75％,每幅图像检测时间0.6s,优于上述其他网络,验证了 PPYOLO-SE模型的有效性.本研究提高了小麦麦穗识别环节的准确性和效率,降低了劳动成本,为田间小麦的自动化管理提供参考.

张震明、黄子琦、王东、宁堂原、孙刚、姜红花

展开 >

山东农业大学信息科学与工程学院,山东泰安271018

西北农林科技大学农学院,陕西杨凌712100

山东农业大学农学院,山东泰安271018

中国科学院空天信息创新研究院,北京100101

展开 >

麦穗检测 图像增强 产量评估 深度学习

2019JZZY010716SD2019NJ001

2022

10.3969/j.issn.1000-2324.2022.05.019

山东农业大学学报(自然科学版)
山东农业大学

山东农业大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.565
ISSN：1000-2324
年,卷(期)：2022.53(5)
  • 2