您好，欢迎访问中国农业科学院 机构知识库！

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于深度残差网络的麦穗回归计数方法

文献类型： 中文期刊

作者： 刘航 1 ; 刘涛 1 ; 李世娟 1 ; 李路华 1 ; 吕纯阳 1 ; 刘升平 1 ;

作者机构： 1.中国农业科学院农业信息研究所;扬州大学农学院

关键词： 麦穗;计数;密度回归;残差网络

期刊名称： 中国农业大学学报

ISSN： 1007-4333

年卷期： 2021 年 006 期

页码： 170-179

收录情况： 北大核心 ; CSCD

摘要： 单位面积的穗数是估算小麦产量的重要指标,针对传统麦穗计数方法效率低、主观性高等问题,将基于深度残差网络的密度回归模型引入麦穗的计数领域,建立原始图片与密度图的对应关系,以密度图像素值总和确定图像中麦穗数量。对ResNet34网络进行改进,提出了ResNet-16模型,实现端对端的麦穗计数。针对ResNet34网络复杂度高的特点,ResNet-16增加了残差块的宽度,减少了ResNet34网络的深度;为了避免真值密度图的精度误差以及梯度下降过快,引入了矫正因子δ和膨胀因子K。结果表明:改进后的ResNet-16模型能够取得更好的预测精度,平均绝对误差为2.50,均方根误差为3.27,相关系数R2为0.973,计数准确率达到94%,较MCNN计数模型精度提高了6%,可以实现高效、快速的麦穗计数。利用基于深度残差网络的回归计数模型为麦穗计数提供了一种新的计数方式。

  • 相关文献

[1]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[2]基于物联网的桔小实蝇诱捕监测装备设计及试验. 肖德琴,傅俊谦,邓晓晖,冯健昭,殷建军,可欣荣. 2015

[3]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[4]害虫自动识别与计数技术研究进展与展望. 陈梅香,杨信廷,石宝才,李文勇,杜晓伟,李明,孙传恒. 2015

[5]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2023

[6]融合ResNet与支持向量机的葡萄园冠层图像叶片覆盖度分类. 代国威,陈稼瑜,樊景超. 2023

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：中国农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台