文献类型：期刊文章

作　　者：陈斌[1] 饶洪辉[1] 王玉龙[1] 李庆松[1] 王保阳[1] 刘木华[1]

CHEN Bin;RAO Hong-hui;WANG Yu-long;LI Qing-song;WANG Bao-yang;LIU Mu-hua(College of Engineering,Jiangxi Agricultural University/Jiangxi Key Laboratory of Modern Agricultural Equipment,Nanchang 330045,China)

机构地区：[1]江西农业大学工学院/江西省现代农业装备重点实验室,江西南昌330045

出　　处：《江西农业学报》

基　　金：江西省教育厅项目(GJJ170263)。

年　　份：2021

卷　　号：33

期　　号：1

起止页码：67-70

语　　种：中文

收录情况：CAB、CAS、JST、RCCSE、ZGKJHX、普通刊

摘　　要：利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像。首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归。对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39%,准确率为98.92%,召回率为93.32%,F1值为96.04%;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求。

关 键 词：Faster—RCNN  油茶果 检测  深度学习  

分 类 号：S794.4]