科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对田间自然环境下杂草识别精度低和检测速度慢的问题,本文依据自然环境杂草图像数据的特性,在Xception卷积网络的基础上构建了一种基于轻量卷积网络的杂草识别模型。首先改进Xception模型,采用ELU作为模型的激活函数,并使用全局最大池化层对最后一层卷积进行下采样。然后,对原始数据进行背景分割和数据增强处理,在迁移后的模型上继续微调,训练得到最佳的杂草识别模型。在相同的试验条件下,与VGG16、VGG19、ResNet50和Inception-V3四种标准的深度卷积网络模型进行比较,结果显示,本文模型的整体性能最好,对自然条件下8类杂草及苗期玉米的平均测试识别准确率高达98.63%,改进模型的规模为83.5 MB,单张杂草图像检测平均耗时仅为63.8 ms。本文研究结果可为田间自然环境下精准喷药的实施提供理论基础和技术支持。
- 单位
