文献类型：期刊文章

作　　者：董洪丽[1] 江翰屿[2] 高晨翔[1] 袁玉兴[1] 任泽民[1]

机构地区：[1]重庆科技学院数理与大数据学院,重庆 [2]重庆科技学院智能技术与工程学院,重庆

出　　处：《人工智能与机器人研究》

年　　份：2021

卷　　号：10

期　　号：4

起止页码：299-305

语　　种：中文

收录情况：IC、RCCSE、普通刊

摘　　要：麦穗识别在智慧农业中有较高的应用价值,如粮食产量估计、种子筛选、和种子基因性能等。许多研究人员主要关注麦穗计数。传统的大田麦穗计数具有简单、方便等特点,但效率低下、人的主观因素较多。本研究采用Global Wheat Head detection (GWHD) dataset的小麦图像数据。为了准确对数据集进行分类识别,借助图像的基本操作实现数据增强,而后在结合深度学习在图像识别中的优势,以ResNet50为基础网络框架,设计一套基于Faster R-CNN的麦穗图像识别算法。实验结果表明,相比其他卷积神经网络,ResNet50网络模型具泛化性好,鲁棒性强、精度高等优点。

关 键 词：麦穗计数  神经网络 智慧农业  残差网络  

分 类 号：TP3[计算机类]