【目的】玉米穗絲是玉米的授粉器官,生長發(fā)育狀況會影響玉米的產(chǎn)量。為了在玉米生長狀態(tài)監(jiān)測和產(chǎn)量預(yù)測工作中實(shí)時準(zhǔn)確識別玉米穗絲,提出一種基于多特征融合SSD （MF-SSD）卷積神經(jīng)網(wǎng)絡(luò)的玉米穗絲檢測模型�！痉椒ā炕谔卣鲌D對玉米穗絲進(jìn)行檢測,在VGG16-SSD的基礎(chǔ)上,用MobileNet替換特征提取器,加入多層特征融合結(jié)構(gòu),得到MF-SSD網(wǎng)絡(luò)模型;通過網(wǎng)絡(luò)優(yōu)化調(diào)整,試驗(yàn)了MF-SSD-cut-3、MF-SSD和MF-SSD-add-3共3種網(wǎng)絡(luò)結(jié)構(gòu),優(yōu)選出檢測性能最好的網(wǎng)絡(luò)結(jié)構(gòu)用于玉米穗絲檢測�；谟衩姿虢z圖像數(shù)據(jù)集,應(yīng)用0～180°隨機(jī)旋轉(zhuǎn)原始圖像和水平翻轉(zhuǎn)、平移原始圖像2種數(shù)據(jù)增廣技術(shù)提升模型訓(xùn)練效果。對是否使用二次訓(xùn)練策略和是否使用Focal loss解決樣本不平衡問題進(jìn)行了試驗(yàn),并對比分析Loss的下降過程�！窘Y(jié)果】通過加入多層特征融合結(jié)構(gòu)對SSD模型改進(jìn)后能夠提高網(wǎng)絡(luò)的檢測能力,提升識別速度。與VGG16-SSD相比,MF-SSD在交并比指標(biāo)方面的平均精度提高7.2%,對玉米穗絲小目標(biāo)檢測的平均召回率提高19.6%,檢測速度最高能提升18.7%。在存儲空間和運(yùn)行時間有較高... 

【文章來源】：華南農(nóng)業(yè)大學(xué)學(xué)報(bào). 2020,41(06)北大核心CSCD

【文章頁數(shù)】：10 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)SSD的柑橘實(shí)時分類檢測[J]. 李善軍,胡定一,高淑敏,林家豪,安小松,朱明.  農(nóng)業(yè)工程學(xué)報(bào). 2019(24)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的玉米病害識別[J]. 劉永波,雷波,曹艷,唐江云,胡亮.  中國農(nóng)學(xué)通報(bào). 2018(36)
[3]自然環(huán)境下多類水果采摘目標(biāo)識別的通用改進(jìn)SSD模型[J]. 彭紅星,黃博,邵園園,李澤森,張朝武,陳燕,熊俊濤.  農(nóng)業(yè)工程學(xué)報(bào). 2018(16)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識別系統(tǒng)[J]. 馬浚誠,杜克明,鄭飛翔,張領(lǐng)先,孫忠富.  農(nóng)業(yè)工程學(xué)報(bào). 2018(12)
[5]基于面向通道分組卷積網(wǎng)絡(luò)的番茄主要器官實(shí)時識別[J]. 周云成,許童羽,鄧寒冰,苗騰.  農(nóng)業(yè)工程學(xué)報(bào). 2018(10)
[6]基于時間序列紅外圖像的玉米葉面積指數(shù)連續(xù)監(jiān)測[J]. 王傳宇,郭新宇,杜建軍.  農(nóng)業(yè)工程學(xué)報(bào). 2018(06)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)提取多尺度分層特征識別玉米雜草[J]. 王璨,武新慧,李志偉.  農(nóng)業(yè)工程學(xué)報(bào). 2018(05)
[8]玉米優(yōu)良品種推廣重心轉(zhuǎn)移及擴(kuò)散的時空規(guī)律[J]. 劉哲,曲藝偉,趙祖亮,李紹明,張曉東.  農(nóng)業(yè)工程學(xué)報(bào). 2018(01)
[9]氣候變化背景下中國玉米單產(chǎn)增速減緩的原因分析[J]. 楊笛,熊偉,許吟隆,馮靈芝,張夢婷,劉歡.  農(nóng)業(yè)工程學(xué)報(bào). 2017(S1)
[10]基于神經(jīng)網(wǎng)絡(luò)的大麥病害識別研究[J]. 王臨銘,高曉陽,李紅嶺,邵世祿,田斌,王關(guān)平,楊梅,李妙祺,李小瑩,楊建青,王明磊,寇敏瑜.  甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào). 2015(02)



本文編號：3645066