학술논문
基于Mask R-CNN的玉米田间杂草检测方法 / Detection Method of Corn Weed Based on Mask R-CNN
Document Type
Academic Journal
Author
姜红花; 张传银; 张昭; 毛文华; 王东; 王东伟; JIANG Honghua; ZHANG Chuanyin; ZHANG Zhao; MAO Wenhua; WANG Dong; WANG Dongwei
Source
农业机械学报 / Transactions of the Chinese Society for Agricultural Machinery. 51(6):220-247
Subject
Language
Chinese
ISSN
1000-1298
Abstract
针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法.该方法采用残差神经网络ResNet-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非极大值抑制算法筛选出感兴趣区域;采用区域特征聚集方法(RoIAlign),取消量化操作带来的边框位置偏差,并将感兴趣区域(RoI)特征图转换为固定尺寸的特征图;输出模块针对每个RoI计算分类、回归、分割损失,通过训练预测候选区域的类别、位置、轮廓,实现杂草检测及轮廓分割.在玉米、杂草数据集上进行测试,当交并比(IoU)为0.5时,本文方法均值平均精度(mAP)为0.853,优于SharpMask、DeepMask的0.816、0.795,本文方法的单样本耗时为280 ms,说明本文方法可快速、准确检测分割出杂草类别、位置和轮廓,优于SharpMask、DeepMask实例分割算法.在复杂背景下对玉米、杂草图像进行测试,在IoU为0.5时,本文方法mAP为0.785,单样本耗时为285 ms,说明本文方法可实现复杂背景下的农田作物杂草分割.在田间变量喷洒试验中,杂草识别准确率为91％,识别出杂草并准确喷雾的准确率为85％,准确喷药的杂草雾滴覆盖密度为55个/cm2,装置对每幅图像的平均处理时间为0.98s,满足农药变量喷洒的控制要求.