基于深度学习的玉米拔节期冠层识别

S147.2; 为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置.首先拍摄玉米苗期和拔节期图像共计3000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略.其次在Google Colab云平台训练SSDLite-MobileDet网络模型.为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置.结果表明,田间玉米冠层识别模型精度达到91％,检测视频的帧率达到89帧/s以上.研究成果可为...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 37; no. 21; pp. 53 - 61
Main Authors 孙红, 乔金博, 李松, 李民赞, 宋迪, 乔浪
Format Journal Article
LanguageChinese
Published 中国农业大学,现代精细农业系统集成研究教育部重点实验室,北京 100083%中国农业大学,农业部农业信息获取技术重点实验室,北京 100083 01.11.2021
Subjects
深度学习;目标检测;识别;拔节期;玉米冠层
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2021.21.007

Cover

More Information
Summary:S147.2; 为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置.首先拍摄玉米苗期和拔节期图像共计3000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略.其次在Google Colab云平台训练SSDLite-MobileDet网络模型.为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置.结果表明,田间玉米冠层识别模型精度达到91％,检测视频的帧率达到89帧/s以上.研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2021.21.007