基于Faster R-CNN的除草机器人杂草识别算法

论文摘要

针对当前除草机器人杂草识别定位不准确、实时性差等问题,提出一种基于Faster R-CNN的草坪杂草识别算法。该方法首先使用快速区域卷积神经网络（Faster R-CNN）算法训练初始化模型,然后通过在网络池化层后添加生成对抗网络（GAN）噪声层来提高网络的鲁棒性。试验结果表明,该种方法在正常拍摄的测试集图片中识别率达到97.05%,在加噪图片测试集的识别率达到95.15%,识别结果均优于传统的机器学习方法。同时,本方法具有识别速度快的特点,可用于实时检测,在园林杂草清理等方面具有应用价值。

论文目录

• 0 引言
• 1 研究现状
• 2 整体结构设计
• 3 杂草识别模型构建
•   3.1 生成对抗网络
•   3.2 Faster R-CNN网络模型
•   3.3 改进Faster R-CNN网络模型
• 4 草坪杂草识别算法实现
•   4.1 数据集准备
•   4.2 试验过程
•   4.3 试验结果与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 李春明,逯杉婷,远松灵,王震洲

关键词: 杂草识别,深度学习,快速区域卷积神经网络,区域建议网络,生成对抗网络

来源: 中国农机化学报 2019年12期

年度: 2019

分类: 农业科技,信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 河北科技大学信息科学与工程学院

基金: 河北省科技厅项目(17210803D),河北省科技厅项目(1604061Z),河北省石家庄市科学研究与发展计划(161130017A)

分类号: TP391.41;TP242

DOI: 10.13733/j.jcam.issn.2095-5553.2019.12.30

页码: 171-176

总页数: 6

文件大小: 1994K

下载量: 303