基于改进YOLOv3的低空遥感罂粟图像检测,Remote Sensing
罂粟是一种特殊的药用植物。它的种植需要合法的审批和严格的监管。禁止未经许可种植罂粟。通过无人机对罂粟非法种植进行低空检查具有省时高效的优点。然而，采集到的大量检查图像数据需要人工筛选和分析。这个过程不仅消耗大量的人力物力，而且容易出现疏漏和错误。针对这样的问题，本文提出了一种检测方法，在原有YOLOv3算法的基础上增加一个更大尺度的检测框来提高小目标检测的准确率。具体来说，利用 ResNeXt 组卷积来减少模型参数的数量，并且在小规模检测框之前增加了ASPP模块，以提高模型提取局部特征和获取上下文信息的能力。在自建数据集上的测试结果表明：Global Multiscale-YOLOv3模型的mAP（mean average precision）指标比YOLOv3（MobileNet）算法高0.44%；所提出模型的参数总数仅为原始 YOLOv3 模型的 13.75% 和轻量级网络 YOLOv3 (MobileNet) 的 35.04%。总体而言，Global Multiscale-YOLOv3 模型减少了参数数量并提高了识别精度。为低空遥感罂粟检测中快速准确的图像处理提供技术支持。
"点击查看英文标题和摘要"
相关知识
Applications of unmanned aerial vehicles remote sensing technology in landscape ecology
黄花植被检测光谱指数的开发,Remote Sensing
Estimating the Spartina alterniflora fractional vegetation cover using high spatial resolution remote sensing in a coastal wetland
作物病虫害高光谱遥感进展与展望
Cotton pest monitoring based on Logistic algorithm and remote sensing image
城市植被遥感分类研究进展与展望
基于改进YoloV3卷积神经网络的番茄病虫害检测
使用随季节变化的遥感图像进行变化检测的渐进域自适应,Remote Sensing
无人机助力违法毒品种植智能监测预警，基于YOLOv3全系列【yolov3tiny/yolov3/yolov3spp】参数模型开发构建无人机航拍场景下的农村田园场景下非法种植罂粟花检测预警识别系统
植被物候参数遥感提取与验证方法研究进展
网址: 基于改进YOLOv3的低空遥感罂粟图像检测,Remote Sensing https://m.huajiangbk.com/newsview1241548.html
| 上一篇: 孟州法院：警惕！种这种“花”涉嫌 |
下一篇: “罪恶之花”，种植一株也违法！ |
