基于深度学习的“一膜两年用”玉米全膜双垄沟种床特征识别方法研究OA北大核心CSTPCD

为更加准确掌握“一膜两年用”玉米全膜双垄沟覆膜种床特征,提高其智能化生产水平,采用基于深度学习的目标检测网络模型开展“一膜两年用”玉米全膜双垄沟种床特征识别方法的研究,对种床结构中的残膜、根茬和覆土带进行检测识别。结果表明:优化后的YOLOx网络模型的效果相关值(mAP)为90.76%,检测结果优于其他网络模型。为探究无人机拍摄图像对目标检测结果的影响,采用三因素三水平BOX-Behnken试验设计方法,建立无人机飞行高度、无人机飞行角度和无人机飞行速度与评价网络模型mAP值的数学模型,寻求无人机拍摄的最优参数组合并进行试验验证,当无人机飞行高度为0.9 m、飞行角度100°、飞行速度2.2 m·s^(-1)时,评价网络模型效果相关的响应值达到最优。经验证,无人机拍摄参数优化后,网络模型的mAP值为92.67%,检测效果优于其他组模型。