科研之友
微信
新浪微博
Facebook
分享链接
摘要
长期以来，苗圃树苗的检测与计数一直依赖于人工抽样估计，该方法效率较低且误差较大。为解决上述问题，基于图像处理和深度学习技术，针对云杉、花楸与景观榆树3种树苗提取三类标签图像，构建了树苗检测与计数的输入数据集，并利用数据增强方法将数据集扩充了15倍。基于扩充后的数据集，提出了基于YOLOv3深度神经网络的树苗检测与计数方法，并使用迁移学习的方法对网络模型进行训练与验证，从而提高了检测与计数准确率。试验结果表明：该网络模型能够有效地克服大田环境下的噪声，实现树苗的快速、准确识别，云杉树苗图像检测时间平均每幅0.681 s,花楸树苗图像检测时间平均每幅0.698 s,景观榆树树苗图像检测时间平均每幅0.697 s, MAP值达到0.825。对100幅云杉树苗图像、50幅花楸树苗图像和50幅景观榆树树苗图像进行树苗计数测试，采用人工计数结果与系统计数结果对比进行正确率评价。研究结果表明，树苗总体识别正确率达到95.2%(其中云杉树苗计数准确率为97.5%、花楸树苗计数准确率为91.9%、景观榆树树苗计数准确率为96.2%),能够满足树苗检测计数的实际要求。
- 单位
