基于改进Faster RCNN的茶叶叶部病害识别
摘要：针对茶园复杂背景下茶叶叶部病害识别较为困难的问题,提出一种基于改进Faster RCNN算法的茶叶叶部病害识别方法.通过对优化区域建议框的特征提取网络VGG-16、MobileNetV2和ResNet50进行比较,选择识别效果较好的ResNet50作为骨干网络,增加模型在茶园复杂背景下对茶叶叶部病害特征的提取能力;融入特征金字塔网络(feature pyramid network,FPN)改善小目标漏检问题和病斑的多尺度问题;采用Rank&Sort(RS)Loss 函数代替原 Faster RCNN 中的损失函数,缓解样本分布不均给模型带来的性能影响,进一步提高检测精度.结果显示:改进模型平均精度均值PmA为88.06%,检测速度为19.1帧/s,对藻斑病、白星病...
关键词：
目标检测茶叶叶部病害FPN网络Rank and Sort Loss区域建议网络
分类号：
TP391.4(计算技术、计算机技术)S345.711(耕作学)
资助基金：
广东省重点领域研发计划项目 ( 2023B0202100001 )
论文发表日期：
2024-10-20
在线出版日期：
2024-10-14 （万方平台首次上网日期，不代表论文的发表时间）
页数：
10 ( 41-50 )
英文信息
相关知识
基于改进YoloV3卷积神经网络的番茄病虫害检测
基于改进卷积神经网络的苹果叶部病害识别
基于改进YOLO v5s模型的水稻病虫害监测系统
深度学习在植物叶部病害检测与识别的研究进展
【农业科普】病害检测研究汇总：深度学习在植物病害目标检测
基于改进YOLOv5s的农田辣椒病害图像识别
基于卷积神经网络的小麦叶部病害图像识别研究
基于改进ResNet
基于YOLOv5s改进模型的小白菜虫害识别方法
基于改进YOLOv5s的储粮害虫检测方法研究
网址: 基于改进Faster RCNN的茶叶叶部病害识别 https://m.huajiangbk.com/newsview681241.html
| 上一篇: 泰成养老院要上养老院需要嘛条件收 |
下一篇: 玉米病害类型，叶部病害比较常见 |
