摘要
本发明公开了一种适用于ARM架构MCU的杂草检测方法,包括以下步骤:S1、构建轻量化SSD模型:将SSD模型中的VGG网络替换为MobileNet V1网络,并添加额外的网络层与FPN结构改进MobileNet V1的局限性;S2、使用数据集,并将数据集预处理;S3、利用预处理后的数据集,通过TensorFlow框架对改进后的轻量化SSD模型进行训练及验证;S4、采用TensorFlow Lite对训练完毕的模型实施全整型量化处理;S5、获取杂草图像后,应用量化后的轻量化SSD模型对杂草图像进行识别处理,以确定位置。本发明通过构建轻量化SSD模型,显著提升了杂草检测的效率,降低了硬件要求,同时保持了高检测精度,此外采用全整型量化处理,使得模型易于部署且具有广泛适用性,较好的适用于农业领域。
技术关键词
TensorFlow框架
杂草图像
图像格式转换
高层语义信息
实时图像信息
杂草信息
全局平均池化
后处理模块
特征金字塔
嵌入式设备
检测头
阶段
数据采集模块
插值方法
图像压缩
网络架构
系统为您推荐了相关专利信息
雾霾图像
图像去雾方法
图像去雾模型
多尺度
sigmoid函数
杂草图像
杂草识别
标记
输入神经网络模型
定位模块
图像分类模型
多尺度特征金字塔
种子
网络
光学图像数据
隧道灯具
俯仰关节
清洁系统
机械臂组件
灯具识别