基于Faster R-CNN深度网络的油菜田间杂草识别方法

作者：张乐; 金秀; 傅雷扬; 李绍稳^*

来源：激光与光电子学进展, 2020, 57(02): 304-312.

• 机器视觉
• 深度学习
• Faster　R-CNN深度网络
• 目标识别
• 油菜与杂草图像

为自动识别油菜田间的杂草,提出基于Faster R-CNN深度网络的油菜田间杂草识别方法,利用COCO数据集的深度网络模型进行迁移训练。首先,以自然环境条件下的油菜与杂草图像为样本,利用Faster R-CNN深度网络模型共享卷积特征,对比VGG-16、ResNet-50和ResNet-101这3种特征提取网络的结果;该方法还与采用3种相同特征提取网络的SSD深度网络模型进行对比。结果表明,基于VGG-16的Faster R-CNN深度网络模型在油菜与杂草目标识别中具有明显的优势,其油菜与杂草的目标识别精确度可达83.90%,召回率达到78.86%,F1值为81.30%。该深度学习方法能够有效实现油菜与杂草目标的准确、高效识别,为多类型杂草目标识别的研究提供了参考。

• 单位
  安徽农业大学