基于Darknet深度学习框架的桃花检测方法

作者：郭涛; 郭家; 李宗南; 邱霞; 王思^*

来源：中国农业信息, 2021, 33(06): 25-33.

• Darknet
• Faster R-CNN
• 桃花识别
• 目标检测
• 自然场景

【目的】为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】文章采用相机获取桃花图片数据，通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集，训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】模型精度评估表明，YOLO v4模型的平均准确率MAP值（86%）比Faster RCNN的MAP值（51%）高出35%。【结论】YOLO v4与经典的算法相比，对各种自然环境下的桃花检测具有较好的实时性和鲁棒性，可为精准识别桃花提供重要参考价值，桃花精准识别为疏花疏果作业奠定了基础。

• 单位
  福州大学; 四川省农业科学院