申请/专利权人:西南林业大学
申请日:2023-02-27
公开(公告)日:2023-05-23
公开(公告)号:CN116152629A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/25;G06V10/40;G06V10/762;G06V10/764;G06V10/766;G06V10/774;G06V10/80;G06N3/045;G06N3/0464;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.09#实质审查的生效;2023.05.23#公开
摘要:本发明公开了一种基于FasterR‑CNN的澳洲坚果检测识别方法,包括如下步骤:S10、获取林地澳洲坚果图像数据,进行图像标注,创建澳洲坚果目标检测数据集;S20、采用图像处理方法扩充数据集;S30、对数据集中的待检测物体尺寸进行统计分析,用于改进区域建议网络RPN的锚框尺寸设置;S40、将划分好的数据集输入改进FasterR‑CNN模型进行训练,得到澳洲坚果检测识别模型;S50、使用训练好的澳洲坚果检测识别模型对待检测的林地澳洲坚果图像进行识别。本发明综合参考了其他目标检测技术的改进方案,针对澳洲坚果这一特定检测对象,对FasterR‑CNN检测方法进行改进优化,提高了检测精度,取得明显的检测识别效果。
主权项:1.一种基于FasterR-CNN的澳洲坚果检测识别方法,其特征在于,包括如下步骤:S10、获取林地澳洲坚果图像数据,进行图像标注,创建澳洲坚果目标检测数据集;S20、采用图像处理方法扩充数据集,将数据集划分为训练集、测试集和验证集,用于模型训练、验证和评估;S30、对数据集中的待检测物体尺寸进行统计分析,用于改进区域建议网络RPN的锚框尺寸设置;S40、将划分好的数据集输入改进FasterR-CNN模型进行训练,得到澳洲坚果检测识别模型;S50、使用训练好的澳洲坚果检测识别模型对待检测的林地澳洲坚果图像进行识别。
全文数据:
权利要求:
百度查询: 西南林业大学 基于Faster R-CNN的澳洲坚果检测识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。