基于深度学习的滴灌带滴孔质量检测方法研究

作者：姚利彬; 罗英豪; 郝存明

来源：河北省科学院学报, 2020, 37(04): 49-53.

DOI：10.16191/j.cnki.hbkx.2020.04.008

• 滴灌带
• 滴孔检测
• 深度学习
• 卷积神经网络
• YOLO

滴灌带在生产过程中需要对内镶的滴片进行打孔操作,滴孔的漏打或者打偏,在使用时会影响农作物的生长,目前还没有高效的在线滴孔质量检测的方法。文章对深度学习模型卷积神经网络和用于目标检测的YOLO算法进行了研究,提出了一种基于深度学习的滴孔质量快速检测算法。该方法首先采用YOLO算法对滴槽和滴孔定位,获取二者的坐标位置,然后获取二者的中心坐标差值,通过与预设值进行比较,判断滴孔是否合格。并将该算法应用于滴灌带生产线上进行实验分析,结果表明该方法在滴孔质量检测应用上达到了良好的效果。

• 单位
  河北省科学院应用数学研究所