【笔记】基于 Mask R-CNN 的玉米田间杂草检测方法

最新推荐文章于 2024-03-22 23:10:35 发布
最新推荐文章于 2024-03-22 23:10:35 发布
阅读量1.3k 收藏 12
点赞数 1
分类专栏： 文献笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YaoYee_21/article/details/109537966
版权

在这里插入图片描述

《基于 Mask R-CNN 的玉米田间杂草检测方法》

单位：山东农业大学信息科学与工程学院
作者：姜红花

数据获取

相机：Intel RealSense Depth CameraD435 型相机
拍照：距地面 1 m 处垂直拍摄
种类：刺儿草、莎草、灰菜、早熟禾和玉米幼苗图像
数据量：1200×5
数据比例：训练:测试 = 7:3
注：在不同的日照强度、土壤背景( 如湿度、麦秆残茬) 条件下采集。

数据标注

LabelMe手工掩码
在这里插入图片描述

模型构建

（1） 卷积神经网络——提取特征
（2） 区域建议网络——基于特征图选出杂草的预选区域
（3） 区域特征聚集——得到固定尺寸的特征图(池化)
（4） 输出模块——类别分类，目标框回归，轮廓分割

在这里插入图片描述

参数设置

学习率：0.001
Batch size：32
迭代次数：20000

模型评价

使用均值平均精度(Mean average precision，mAP)作为杂草分割的评估指标， 每一个类别都可以根据召回率(Recall)和精确率( Precision) 绘制一条曲线， 平均精度(Average precision，AP) 是该曲线与坐标轴围成的面积。mAP是由对全部类别的AP值求平均值得到

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

猜你喜欢：👇🏻
⭐【笔记】基于边缘检测和BP神经网络的大豆杂草识别研究

在这里插入图片描述

YaoYee_7
关注
  • 1
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
玉米叶片病害识别与分类的DenseNet优化模型（公共数据集合并）
慕云
09-22 1805
An optimized dense convolutional neural network model for disease recognition and classification in corn leaf A B S T R A C T 提出了一种优化的密集卷积神经网络(CNN)体系结构(DenseNet)，用于玉米叶片病害的识别和分类。玉米是世界上种植最多的谷物之一。玉米作物对某些叶病高度敏感，如玉米普通锈病、玉米灰斑病和北方玉米叶枯病非常常见。这些叶病的症状在它们的初期阶段是无法区分的。
轻量级目标检测模型实战——杂草检测
Together_CZ的博客
03-22 2946
在前面我写过一篇目标检测自己做实验的记录性也是入门的一篇文章，如下： Yolov3目标检测实战【实现图像中随机出现手写数字的检测】 感兴趣的话可以去看看。 当时主要是基于YOLOv3进行的实验，因为YOLOv3本身的体积是非常大的，如果想要运行在一些计算能力比较弱的边缘端设备上面的话就会显得很吃力，计算能力和效率都会比较低下，所以在考虑边缘端部署...
【笔记】基于Faster R-CNN的除草机器人杂草识别算法
YaoYee_21的博客
11-06 1193
首先使用快速区域卷积神经网络（Faster R-CNN）算法训练初始化模型，然后通过在网络池化层后添加生成对抗网络（GAN）噪声层来提高网络的鲁棒性
SCI总结基于计算机视觉和深度学习的精准农业杂草检测模型
2201_75529865的博客
05-18 371
本研究提出了一种新的基于计算机视觉和深度学习的精准农业杂草检测和分类(CVDL-WDC)模型。所提出的CVDL-WDC技术旨在正确地区分植物和杂草。所提出的CVDL-WDC技术包括两个过程，即基于多尺度快速RCNN的目标检测和基于最优极限学习机(ELM)的杂草分类。
一个强大的玉米/大豆杂草数据集-目标检测
weixin_45208996的博客
11-07 499
一个强大的玉米/杂草数据集
助力智能化农田作物除草，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建农田作物场景下玉米苗、杂草检测识别分析系统
Together_CZ的博客
02-23 2111
助力智能化农田作物除草，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建农田作物场景下玉米苗、杂草检测识别分析系统
使用 PyTorch 中的 torchvision 模块加载预训练的 Mask R-CNN 模型
03-25
Mask R-CNN 是由 Facebook AI Research (FAIR) 团队开发的一种深度学习模型，它在 Faster R-CNN 的基础上进行了扩展，增加了对每个检测到的对象进行像素级分割的能力。这意味着不仅能够识别图像中的物体，还能精确地...
Mask R-CNN阅读总结
01-20
Mask R-CNN论文阅读笔记 三个重要概念的区别 物体检测，语义分割，实例分割三者之间的区别 物体检测（object detection）的目标是确定每个物体的类别，并用bounding box标记出每个物体的位置。 语义分割(semantic ...
一文读懂Mask-RCNN笔记（全）
11-20
Mask-RCNN提出了一个实例分割的框架，可以在有效地检测图像中目标的同时为每一个实例产生一个高质量分割Mask。...Mask-RCNN扩展了Faster R-CNN，通过在之前已存在的边界框回归分支上添加新的一个预测目标Mask的分支。
Diagnosis-Gastric-Cancer-with-Mask-R-CNN
05-18
我应用Mask R-CNN来检测胃癌的病理切片 这是一个检测样本（其余在资产目录中）：正确 检测 如果要使用数据扩充，则应修改Keras预处理源代码 要求 Python 3.4以上 TensorFlow 1.3+ Keras 2.0.8+ Jupyter笔记本 ...
水稻与杂草分类数据集
11-13
数据集包含了1200幅水稻和其他杂草的图片，可以用于图像分类练习，图片名称为标签。作为深度学习初学者希望能够给大家提供帮助
可用于YOLOv5/v6/v7/v8训练的农作物杂草数据集
10-21
可用于YOLOv5/v6/v7/v8训练的农作物杂草数据集
R-CNN论文阅读笔记
最新发布
08-11
论文笔记
【杂草检测】基于机器视觉的杂草检测系统附Matlab代码
matlab_dingdang的博客
03-22 1041
杂草的存在会对农作物造成严重的损失，及时有效的杂草检测对于提高农作物产量至关重要。本文提出了一种基于机器视觉的杂草检测系统，该系统利用深度学习技术，可以准确地检测出农田中的杂草。杂草是农作物生产中的主要问题之一，它们与农作物争夺养分、水分和阳光，导致农作物减产。传统的人工杂草检测方法效率低、成本高，难以满足大规模农田的检测需求。机器视觉技术为杂草检测提供了新的解决方案。机器视觉系统通过图像采集、图像处理和目标识别等技术，可以自动检测出农田中的杂草。
毕业设计-基于深度学习的麦田杂草检测算法系统 YOLO 卷积神经网络
2301_79555157的博客
12-13 1489
基于深度学习的麦田杂草检测算法，该算法是计算机毕业设计的成果。通过利用深度学习技术，该算法能够准确地检测麦田中的杂草，并帮助农民快速识别和处理这些问题。解释了算法的原理和实现过程，并展示了其在实际场景中的应用效果。无论是对于农业生产的提升还是对于环境保护的贡献，这项基于深度学习的麦田杂草检测算法都具有重要的意义。
利用改进的YOLOv5模型对玉米和杂草进行精准检测和精准喷洒
毕竟是Shy哥
11-08 261
本文提出了一种基于改进yolov5s的轻量化模型，并构建了一种精密喷涂机器人。首先，采用基于品类平衡和农艺特征的数据增广方法解决了数据不平衡问题;然后，与yolov5s、yolov5l、yolov5m、yolov5x相比，我们发现yolov5s具有实时性和准确性，并且更容易将模型部署到边缘设备上。通过特征地图可视化实验，我们发现特征提取网络不能密切关注目标的重要特征，抑制噪声特征。因此，我们添加了注意机制。为了提高模型的实时性，我们设计了c3ghost -瓶颈模块。
Mask-RCNN检验结果计算mAP值
weixin_42618420的博客
05-23 8194
一、mAP值的计算 P：precision,即准确率 R：recall，即召回率 PR曲线：即以precison和recall作为纵，横轴坐标的二维曲线。 AP值：Average Precision,即平均精确度 mAP值：Mean Average Precision,即平均AP值，是多个验证集求平均AP True positives : 正样本被正确识别为正样本，飞机的图片被正确的识...
PyTorch Kaggle 快速上手(杂草幼苗图片识别)
BrightLamp的博客
12-10 4028
说明 原文是我在 www.kaggle.com 做的一个示例. 地址: https://www.kaggle.com/brightlamp/pytorch-kaggle-quick-qtart-guide-on-plantseedlings 搬运到这里, 顺便做一点基础汉化. 正文 首先, 需要打开 Kaggle 的 GPU 实例. 导入标准包. # First, Please turn on...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值