-
题名基于YOLOv3神经网络的苗圃树苗检测与计数
- 1
-
-
作者
袁叙广
赵鹏
李丹
-
机构
东北林业大学信息与计算机工程学院
-
出处
《林业工程学报》
CSCD
北大核心
2022年第3期174-179,共6页
-
基金
国家自然科学基金(31670717)。
-
文摘
长期以来,苗圃树苗的检测与计数一直依赖于人工抽样估计,该方法效率较低且误差较大。为解决上述问题,基于图像处理和深度学习技术,针对云杉、花楸与景观榆树3种树苗提取三类标签图像,构建了树苗检测与计数的输入数据集,并利用数据增强方法将数据集扩充了15倍。基于扩充后的数据集,提出了基于YOLOv3深度神经网络的树苗检测与计数方法,并使用迁移学习的方法对网络模型进行训练与验证,从而提高了检测与计数准确率。试验结果表明:该网络模型能够有效地克服大田环境下的噪声,实现树苗的快速、准确识别,云杉树苗图像检测时间平均每幅0.681 s,花楸树苗图像检测时间平均每幅0.698 s,景观榆树树苗图像检测时间平均每幅0.697 s,MAP值达到0.825。对100幅云杉树苗图像、50幅花楸树苗图像和50幅景观榆树树苗图像进行树苗计数测试,采用人工计数结果与系统计数结果对比进行正确率评价。研究结果表明,树苗总体识别正确率达到95.2%(其中云杉树苗计数准确率为97.5%、花楸树苗计数准确率为91.9%、景观榆树树苗计数准确率为96.2%),能够满足树苗检测计数的实际要求。
-
关键词
苗圃树苗
YOLOv3网络
数据增强
树苗检测
树苗计数
-
Keywords
nursery saplings
YOLOv3 network
data enhancement
seedling detection
seedling counting
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-