自然环境下单木检测方法研究——基于改进Faster-RCNN网络

• 作 者: 张宇棠 谢晓春
• 机 构: 赣南师范大学物理与电子信息学院,江西赣州341000
• 出 处: 中国农学通报
• 发表日期: 2021年13期
• 关键词: K-means Des Faster-RCNN 迁移学习 单木检测 锚点

为研究在果林智能产业化过程中的单木检测技术,实现果林的精准管理,采集江西省赣南地区脐橙果园的高空间分辨率遥感数据,通过K-means聚类分析anchor(锚点)改进网络参数;提出一种改进的网络结构Des Faster-RCNN网络,保证在网络卷积提取特征的过程中,对浅层特征的复用以及融合;在训练过程中加入了迁移学习进行微调,加强对小目标以及密集粘连目标的检测鲁棒性。实验结果显示,加入K-means改进的Des Faster-RCNN网络在测试集上的检测精度为97.68%,召回率为97.99%,F_1