基于卷积神经网络的冬小麦麦穗检测计数系统

被引：37

作者：

张领先 ^{[1
]}

陈运强 ^{[1
]}

李云霞 ^{[1
]}

马浚诚 ^{[2
]}

杜克明 ^{[2
]}

机构：

[1] 中国农业大学信息与电气工程学院

[2] 中国农业科学院农业环境与可持续发展研究所

来源：

农业机械学报 | 2019年 / 50卷 / 03期

基金：

国家重点研发计划;

关键词：

冬小麦; 麦穗识别; 卷积神经网络; 非极大值抑制; 深度学习; 检测计数;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算]; S512.11 [];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ; 0901 ;

摘要：

为进一步提高大田环境下麦穗识别与检测计数的准确性,基于图像处理和深度学习技术,设计并实现了基于卷积神经网络的冬小麦麦穗检测计数系统。根据大田环境下采集的开花期冬小麦图像特点,提取麦穗、叶片、阴影3类标签图像构建数据集,研究适用于冬小麦麦穗识别的卷积神经网络结构,构建了冬小麦麦穗识别模型,并采用梯度下降法对模型进行训练;将构建的冬小麦麦穗识别模型与非极大值抑制结合,进行冬小麦麦穗计数。试验结果表明,该系统构建的冬小麦麦穗识别模型能够有效地克服大田环境下的噪声,实现麦穗的快速、准确识别,总体识别正确率达到99. 6%,其中麦穗识别正确率为99. 9%,阴影识别正确率为99. 7%,叶片识别正确率为99. 3%。对100幅冬小麦图像进行麦穗计数测试,采用决定系数和归一化均方根误差(NRMSE)进行正确率定量评价,结果表明,该系统计数结果与人工计数结果线性拟合的R2为0. 62,NRMSE为11. 73%,能够满足冬小麦麦穗检测计数的实际要求。

引用

页码：144 / 150

页数：7

共 17 条

[1] 基于卷积神经网络的温室黄瓜病害识别系统 [J].