|本期目录/Table of Contents|

[1]陈旭君,王承祥,孙福,等.基于改进Faster R-CNN的田间植株幼苗检测方法[J].江苏农业科学,2021,49(4):159-164.
　Chen Xujun,et al.Detection method for plant seedlings in fields based on improved Faster R-CNN[J].Jiangsu Agricultural Sciences,2021,49(4):159-164.
点击复制

基于改进Faster R-CNN的田间植株幼苗检测方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第49卷
期数:
2021年第4期
页码:
159-164
栏目:
农业工程与信息技术
出版日期:
2021-02-20

文章信息/Info

Title:
Detection method for plant seedlings in fields based on improved Faster R-CNN
作者:
陈旭君; 王承祥; 孙福; 张顺; 朱德泉; 廖娟
安徽农业大学工学院，安徽合肥 230036
Author(s):
Chen Xujun; et al
关键词:
精准农业; 植株幼苗检测; 卷积神经网络; Faster R-CNN; 过拟合
Keywords:
-
分类号:
S126
DOI:
-
文献标志码:
A
摘要:
为了准确检测田间植株幼苗，以实现植株幼苗的精准喷药施肥，提出了一种基于改进Faster R-CNN的植株幼苗检测方法。以Faster R-CNN结构为基础设计植株幼苗检测网络，将ResNet50网络作为共享卷积层，并将Dropout层引入到Fast R-CNN网络的全连接层之间，用月季苗图像对网络进行训练生成模型。结果表明，改进的Faster R-CNN模型对月季苗的检测准确度可达96.5%，召回率达到95.35%，而且对其他种类植株幼苗如玫瑰和番茄幼苗也具有良好的检测能力。改进的网络模型的泛化能力强，收敛速度快，有助于自动化植保机械的研发。
Abstract:
-

参考文献/References:

［1］邓向武，齐龙，马旭，等. 基于多特征融合和深度置信网络的稻田苗期杂草识别［J］. 农业工程学报，2018，34(14)：165-172.
［2］赵常，耿爱军，张姬，等. 水肥药精准管理技术研究现状与发展趋势［J］. 中国农机化学报，2018，39(11)：28-33.
［3］孙俊，何小飞，谭文军，等. 空洞卷积结合全局池化的卷积神经网络识别作物幼苗与杂草［J］. 农业工程学报，2018，34(11)：159-165.
［4］Bonadies S，Gadsden S A. An overview of autonomous crop row navigation strategies for unmanned ground vehicles［J］. Engineering in Agriculture，Environment and Food，2019，12(1)：24-31.
［5］张乐，金秀，傅雷扬，等. 基于Faster R-CNN深度网络的油菜田间杂草识别方法［J］. 激光与光电子学进展，2020，57(2)：297-305.
［6］杨斯，黄铝文，张馨. 机器视觉在设施育苗作物生长监测中的研究与应用［J］. 江苏农业科学，2019，47(6)：179-187.
［7］García-Santillán I D，Montalvo M，Guerrero J M，et al. Automatic detection of curved and straight crop rows from images in maize fields［J］. Biosystems Engineering，2017，156：61-79.
［8］Liao J，Wang Y，Yin J N，et al. Segmentation of rice seedlings using the YCrCb color space and an improved Otsu method［J］. Agronomy，2018，8(11)：1-16.
［9］Kamilaris A，Prenafeta-Boldú F X. Deep learning in agriculture：a survey［J］. Computers and Electronics in Agriculture，2018，147： 70- 90.
［10］甘骐榕，苏芳，练坤玉，等. 改进LeNet-5模型在大米分选算法上的应用［J］. 安徽农业大学学报，2019，46(3)：549-553.
［11］张善文，谢泽奇，张晴晴. 卷积神经网络在黄瓜叶部病害识别中的应用［J］. 江苏农业学报，2018，34(1)：56-61.
［12］Dias P A，Tabb A，Medeiros H. Apple flower detection using deep convolutional networks［J］. Computers in Industry，2018，99： 17- 28.
［13］王振，张善文，王献锋. 基于改进全卷积神经网络的黄瓜叶部病斑分割方法［J］. 江苏农业学报，2019，35(5)：1054-1060.
［14］Abdullahi H S，Sheriff R E，Mahieddine F. Convolution neural network in precision agriculture for plant image recognition and classification［C］//2017 Seventh International Conference on Innovative Computing Technology (INTECH)，2017：1-3.
［15］Ren S Q，He K M，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39(6)：1137-1149.
［16］Hammad I，El-Sankary K. Impact of approximate multipliers on VGG deep learning network［J］. IEEE Access，2018，6：60438-60444.
［17］He K M，Zhang X Y，Ren S Q，et al. Deep residual learning for image recognition［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)，2016：770-778.

相似文献/References:

[1]丁克奎,钟凯文.基于“3S”的精准农业管理系统设计与实现[J].江苏农业科学,2015,43(01):399.
　Ding Kekui,et al.Design and implementation of precision agriculture management system based on 3S[J].Jiangsu Agricultural Sciences,2015,43(4):399.
[2]李辉,周忠凯,陶建平,等.基于物联网的温室大棚多点光照度采集与管理系统[J].江苏农业科学,2016,44(11):388.
　Li Hui,et al.Multi-spot illumination collection and management system based on internet of things[J].Jiangsu Agricultural Sciences,2016,44(4):388.
[3]张一洲,汪国莲,罗德旭.基于物联网的淮安红椒产业向精准农业转变研究[J].江苏农业科学,2017,45(10):305.
　Zhang Yizhou,et al.Study on red pepper industry transform into accurate agriculture based on internet of things[J].Jiangsu Agricultural Sciences,2017,45(4):305.
[4]文怀兴,王春普,黄正祥.基于机器视觉的温室大枣表型特征测量[J].江苏农业科学,2018,46(06):182.
　Wen Huaixing,et al.Measurement of phenotypic characteristics of jujube in greenhouse based on machine vision[J].Jiangsu Agricultural Sciences,2018,46(4):182.
[5]蒋秀莲,宋祎宁.改革视角下物联网在精准农业中的应用研究[J].江苏农业科学,2018,46(06):342.
　Jiang Xiulian,et al.Study on application of internet of things in precision agriculture under reform perspective[J].Jiangsu Agricultural Sciences,2018,46(4):342.
[6]高志政,彭孝东,林耿纯,等.无人机撒播技术在农业中的应用综述[J].江苏农业科学,2019,47(06):24.
　Gao Zhizheng,et al.Application of broadcast sowing by unmaned aerial vehicle in agriculture： a review[J].Jiangsu Agricultural Sciences,2019,47(4):24.
[7]亚森江·喀哈尔,尼加提·卡斯木,茹克亚·萨吾提,等.基于高光谱的春小麦抽穗期叶绿素含量估算方法[J].江苏农业科学,2019,47(18):266.
　Yasenjiang·Kahaer,et al.Estimation method of chlorphyll content at heading stage of spring wheat based on hyperspectral data[J].Jiangsu Agricultural Sciences,2019,47(4):266.
[8]冉军辉,吴崇友.传感器在谷物联合收获机中的应用进展及发展方向[J].江苏农业科学,2019,47(22):23.
　Ran Junhui,et al.Application progress and development trend of sensor in grain combine harvester[J].Jiangsu Agricultural Sciences,2019,47(4):23.
[9]宋永嘉,刘宾,魏暄云,等.大数据时代无线传感技术在精准农业中的应用进展[J].江苏农业科学,2021,49(8):31.
　Song Yongjia,et al.Application progress of wireless sensor technology in precision agriculture in era of big data[J].Jiangsu Agricultural Sciences,2021,49(4):31.
[10]王圆圆,林建,王姗.基于YOLOv4-tiny模型的水稻早期病害识别方法[J].江苏农业科学,2023,51(16):147.
　Wang Yuanyuan,et al.An early rice disease recognition method based on YOLOv4-tiny model[J].Jiangsu Agricultural Sciences,2023,51(4):147.

备注/Memo

备注/Memo:
收稿日期：2020-04-10
基金项目：国家重点研发计划(项目编号：2018YFD0700304)。
作者简介：陈旭君(1999—)，男，湖北大冶人，主要从事深度学习与自动化研究。E-mail：chenxujun173@163.com。
通信作者：廖娟(1986—)，安徽安庆人，博士，讲师，主要从事图像分析和视觉导航研究。E-mail：liaojuan308@163.com。
更新日期/Last Update: 2021-02-20