基于ResNet深度残差网络的白喉乌头检测

作者：梁俊欢; 董峦; 阿斯娅·曼力克; 孙宗玖; 魏鹏; 马海燕; 艾尼玩·艾买尔; 阿仁; 郑逢令^*

来源：草业科学, 2023, 40(01): 144-151.

• 毒害草
• 深度学习
• 卷积神经网络
• 无人机遥感
• 目标识别
• Faster-RCNN
• SSD

在人类活动和气候变化的影响下，毒害草的蔓延威胁着生态安全和畜牧业的健康发展，白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一。为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标，以白喉乌头为研究对象，利用无人机航拍正射影像构建白喉乌头数据集。基于Faster-RCNN和SSD算法，采用ResNet50和ResNet101两种深度的主干网络提取特征，对比不同方法的检测精度。结果表明：通过对比测试集的检测精度Faster-RCNN＿ResNet50的mAP (平均精确度)值最高，达到64.74%，而SSD＿ResNet50的mAP最低，仅为48.70%,Faster-RCNN＿ResNet101的mAP值为63.37%，而SSD＿ResNet101的为52.55%。本研究对从航拍正射影像中检测白喉乌头有借鉴意义和参考价值。

• 单位
  新疆农业大学; 新疆畜牧科学院