改进Retina-Net的草坪杂草目标检测

作者：宋建熙; 李兴科; 于哲; 李西兵^*

来源：中国农机化学报, 2022, 43(12): 170-177.

DOI：10.13733/j.jcam.issn.2095-5553.2022.12.025

• Retina-Net
• 图像处理
• 卷积神经网络
• 目标检测
• 感受野
• 软池化

在城市规划与园林景观中，人工养护的草坪起到美化环境的作用，但是各类草坪杂草的滋生，严重损害景观草坪的观赏性。而人工分辨杂草费时费力，影响后续的除草效率。因此，借助深度学习的研究成果，对现有的Retina-Net目标检测模型进行针对性改进，通过提取训练集目标图像特征信息、增设多尺度感受野、改进软池化层等方式，提升模型的杂草检测和种类分辨的能力，有助于后续除草工作的高效展开。最终试验对6类杂草的识别率分别为85.3%,84%,89.6%,86.7%,95.1%,91.5%。相比较于其他主流目标检测算法，识别率分别提高2.2%～9.3%。

• 出版日期2022
• 单位福建农林大学; 机电工程学院