科研之友
微信
新浪微博
Facebook
分享链接
摘要
果园环境复杂多变，传统机器视觉识别算法易受到光照阴影等因素影响，识别目标能力有限且精度较低。深度残差U型网络可对果园环境中的树木、可行驶道路、杂物等进行语义分割。网络基本结构采用U型网络，在编码层和瓶颈层中加入残差学习，利用残差模块提升网络深度，增强不同层次的语义信息融合，提高特征表达能力和识别准确率；解码层中采用上采样进行特征映射，方便快捷，并通过跳跃连接融合编码层的语义信息，减少网络参数，加速训练。通过PyTorch深度学习框架搭建网络，训练数据集，并将该网络与全卷积神经网络和U型网络进行对比实验，结果表明深度残差U型网络识别准确率最高，平均交并比为83.3%,适用于果园环境识别。
- 出版日期2023
- 单位江苏大学
