基于ResNet深度残差网络的白喉乌头检测OA
Detection of Aconitum leucostomum based on a ResNet deep residual network
在人类活动和气候变化的影响下,毒害草的蔓延威胁着生态安全和畜牧业的健康发展,白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一.为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标,以白喉乌头为研究对象,利用无人机航拍正射影像构建白喉乌头数据集.基于Faster-RCNN和SSD算法,采用ResNet50和ResNet101两种深度的主干网络提取特征,对比不同方法的检测精度.结果表明:通过对比测试集的检测精度Faster-RCNN_ResNet50的mAP(平均精确度)值最高,达到64.74％,而SSD_ResNet50的mAP最低,仅为48.70％,Faster-RCNN_ResNet101的mAP值为63.37％,而SSD_ResNet101的为52.55％.本研究对从航拍正射影像中检测白喉乌头有借鉴意义和参考价值.
梁俊欢;董峦;阿斯娅·曼力克;孙宗玖;魏鹏;马海燕;艾尼玩·艾买尔;阿仁;郑逢令
新疆农业大学草业学院,新疆 乌鲁木齐 830052新疆农业大学计算机与信息工程学院,新疆 乌鲁木齐 830052新疆畜牧科学院草业研究所,新疆 乌鲁木齐 830057新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站,新疆 乌鲁木齐 830057新疆农业大学草业学院,新疆 乌鲁木齐 830052新疆畜牧科学院草业研究所,新疆 乌鲁木齐 830057新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站,新疆 乌鲁木齐 830057新疆畜牧科学院草业研究所,新疆 乌鲁木齐 830057新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站,新疆 乌鲁木齐 830057
毒害草深度学习卷积神经网络无人机遥感目标识别Faster-RCNNSSD
《草业科学》 2023 (1)
伊犁地区毒害草潜在地理分布与遥感识别研究——以白喉乌头为例
144-151,8
国家自然科学基金(31860679)
评论