基于卷积神经网络的葡萄叶片检测

被引：11

作者：

刘阗宇

冯全

机构：

[1] 甘肃农业大学工学院

来源：

西北大学学报(自然科学版) | 2017年 / 47卷 / 04期

关键词：

葡萄叶片检测; 卷积神经网络; 建议区域;

D O I：

10.16152/j.cnki.xdxbzr.2017-04-007

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

为解决酿酒葡萄生长状态的在线自动监测问题,该文提出了一种基于卷积神经网络的葡萄叶片检测算法。通过多层卷积的方式产生特征图,使原图像的特征增强并且降低了图像噪声,在最后一层特征图中,通过使用RPN(Region proposal network)生成建议区域,然后进行池化操作,最后进行边框回归与分类。该算法在有叶片遮挡、光照阴影、病害叶片等复杂背景因素下对葡萄叶片有良好的检测效果。试验表明,该算法在复杂背景下对葡萄叶片的检测率为87.2%,误检率为7.2%。

引用

页码：505 / 512

页数：8

共 11 条

[1] 基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪 [J].