摘要
本发明公开了一种基于改进Faster‑RCNN模型的机插水稻秧苗漂秧漏插识别方法及系统,属于农作物目标检测识别领域,以提升水稻秧苗漂秧漏插的检测精度。技术要点:利用无人机获取机插水稻秧苗图片作为样本数据集,并进行数据预处理,得到水稻秧苗自建数据集。采用残差网络ResNet50融合FPN特征金字塔建立网络检测模型;对改进后的Faster‑RCNN模型进行优化训练;将训练后的Faster‑RCNN改进算法对水稻秧苗进行分类识别,利用最小二乘法进行秧苗行线拟合,以此来确定水稻秧苗漏插位置。通过改进的Faster‑RCNN网络模型对水稻秧苗漂秧数、成活数、少叶数及漏插进行分类检测,在复杂条件下能得到较高的识别精度。
技术关键词
识别方法
残差网络
特征金字塔
机插水稻秧苗
深度学习模型
预处理图像数据
网络检测模型
无人机飞行速度
训练图像数据
大田
特征信息提取
无人机作业
生成多尺度
深度学习网络
待测图片
系统为您推荐了相关专利信息
识别方法
直方图均衡化
采集电缆
高斯金字塔
协方差矩阵
地球物理数据
反演算法
牛顿迭代法
模型更新
预测误差
图案自动生成方法
智能算法
裁剪模板
生成图案
生成对抗网络