您好，欢迎访问新疆畜牧科学院 机构知识库！

基于ResNet深度残差网络的白喉乌头检测

文献类型： 中文期刊

作者： 梁俊欢 1 ; 董峦 2 ; 阿斯娅·曼力克 3 ; 孙宗玖 1 ; 魏鹏 3 ; 马海燕 3 ; 艾尼玩·艾买尔 3 ; 阿仁 3 ; 郑逢令 3 ;

作者机构： 1.新疆农业大学草业学院

2.新疆农业大学计算机与信息工程学院

3.新疆畜牧科学院草业研究所

关键词： 毒害草;深度学习;卷积神经网络;无人机遥感;目标识别;Faster-RCNN;SSD

期刊名称： 草业科学

ISSN： 1001-0629

年卷期： 2023 年 001 期

页码： 144-151

收录情况： 北大核心 ; CSCD

摘要： 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。

  • 相关文献

[1]基于Mask-RCNN的无人机影像白喉乌头检测. 梁俊欢,董峦,孙宗玖,马海燕,艾尼玩·艾买尔,阿仁,魏鹏,田聪,阿斯娅·曼力克,郑逢令. 2023

[2]基于深度学习和GEE的作物遥感分类. 赵昊楠,马海燕,阿斯娅·曼力克,田聪,徐俊,潘竟,孙宗玖,郑逢令. 2024

[3]基于深度学习的图像分析技术在肉羊体尺与体重评估中的应用. 张蓉银,魏佩玲,苏热阿提·艾尔米坦,关鸣轩,艾斯卡尔·吐尔逊,宫平. 2024

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：新疆畜牧科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台