深度迁移学习在紫茎泽兰检测中的应用

发布时间：2022-11-07 19:23

　　紫茎泽兰作为中国遭受外来物种入侵的典型例子,其对生态环境多样性造成严重破坏,影响农林业经济的发展.紫茎泽兰检测作为整个防治过程中的初始阶段和监控阶段,其检测精度会对防治结果造成影响.针对紫茎泽兰这一类复杂背景叶片图像的目标检测问题,本文提出一种基于YOLOv3的迁移学习方法来实现紫茎泽兰的检测.将深度学习模型YOLOv3迁移到紫茎泽兰数据集上,用K均值算法进行维度聚类确定目标框参数;在训练过程中改变损失函数中各类损失的权重,增加模型对数据集的适应性.实验结果表明,在紫茎泽兰检测任务中,平均精度（Average Precision, AP）相较于原YOLOv3提高了17%,能够满足复杂背景下的紫茎泽兰检测任务. 

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于深度学习的青少年手腕骨骨龄评价[J]. 李睿,张世杰,黄奥云,陈虎.  计算机技术与发展. 2020(01)
[2]基于YOLO的安全帽检测方法[J]. 林俊,党伟超,潘理虎,白尚旺,张睿.  计算机系统应用. 2019(09)
[3]紫茎泽兰入侵滇中不同森林群落的特征[J]. 宋紫玲,彭明俊,王崇云,彭明春,李子刚,朱守引,彭晓昶,刘鹏举.  生态学杂志. 2019(09)
[4]基于Faster R-CNN的榆紫叶甲虫识别方法研究[J]. 董本志,聂丽郦,景维鹏,崔航.  计算机工程与应用. 2018(23)
[5]检疫性杂草紫茎泽兰的形态特征、分布与危害[J]. 黄振,郭琼霞.  武夷科学. 2017(00)
[6]近十年入侵植物紫茎泽兰研究进展[J]. 李霞霞,张钦弟,朱珣之.  草业科学. 2017(02)
[7]紫茎泽兰传入赫章县危害的风险分析[J]. 夏光旭,成凯.  安徽农业科学. 2017(02)
[8]基于分层卷积深度学习系统的植物叶片识别研究[J]. 张帅,淮永建.  北京林业大学学报. 2016(09)



本文编号：3704261