《基于 Mask R-CNN 的玉米田間雜草檢測方法》

單位：山東農業大學信息科學與工程學院
作者：姜紅花

數據獲取

相機：Intel RealSense Depth CameraD435 型相機
拍照：距地面 1 m 處垂直拍攝
種類：刺兒草、莎草、灰菜、早熟禾和玉米幼苗圖像
數據量：1200×5
數據比例：訓練:測試 = 7:3
注：在不同的日照強度、土壤背景( 如濕度、麥稈殘茬) 條件下采集。

數據標注

LabelMe手工掩碼

模型構建

（1） 卷積神經網絡——提取特征
（2） 區域建議網絡——基于特征圖選出雜草的預選區域
（3） 區域特征聚集——得到固定尺寸的特征圖(池化)
（4） 輸出模塊——類別分類，目標框回歸，輪廓分割

參數設置

學習率：0.001
Batch size：32
迭代次數：20000

模型評價

使用均值平均精度(Mean average precision，mAP)作為雜草分割的評估指標， 每一個類別都可以根據召回率(Recall)和精確率( Precision) 繪制一條曲線， 平均精度(Average precision，AP) 是該曲線與坐標軸圍成的面積。mAP是由對全部類別的AP值求平均值得到

猜你喜歡：👇🏻
?【筆記】基于邊緣檢測和BP神經網絡的大豆雜草識別研究

總結

以上是生活随笔為你收集整理的【笔记】基于 Mask R-CNN 的玉米田间杂草检测方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。