CN114926752B 用于对无人机遥感图像的玉米苗、杂草检测和计数的方法 （中国科学院合肥物质科学研究院）_第1页
CN114926752B 用于对无人机遥感图像的玉米苗、杂草检测和计数的方法 （中国科学院合肥物质科学研究院）_第2页
CN114926752B 用于对无人机遥感图像的玉米苗、杂草检测和计数的方法 （中国科学院合肥物质科学研究院）_第3页
CN114926752B 用于对无人机遥感图像的玉米苗、杂草检测和计数的方法 （中国科学院合肥物质科学研究院）_第4页
CN114926752B 用于对无人机遥感图像的玉米苗、杂草检测和计数的方法 （中国科学院合肥物质科学研究院）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明涉及一种用于对无人机遥感图像的方法解决了对原始图像进行大量玉米苗标注耗费时间成本和杂草和玉米苗总数据量不平衡这2活函数、添加CBAM注意力模块、soft_NMS非极大值抑制处理改进玉米苗、杂草检测模型草检测模型YOLOv4的NECK部分的CBL模块的LeakeyReLU激活函数替换为Meta_ACON激活函块的激活函数替换为Meta_ACON激活函数，CBAM注意力模块通过通道和空间两个部分对玉在CBAM的通道注意力部分，对玉米苗、杂草检测模型YOLOv4主,3F'=MC(F)8F(5),在CBAM的空间注意力部分，将上一步通道注意力部分得,摄的农田图像经二维重建后合成完整的高分辨率YOLOv4_Tiny，得到改进的作物行检测模型：ECA通道注意力模块首先对作物行检测模型YOLOv4_Tiny的主干网络输出的特征图进行全局平均池化；然后进行一维卷积操作，并经k4待检测样本输入改进的作物行检测模型从而检测出待检测样本中每条作物行的坐标信息，56将拍摄的农田图像经二维重建后合成完整的高分辨作为待检测样本输入改进的作物行检测模型从而检测出待检测样本中每条作物行的坐标[0024](4b)在构建的玉米苗、杂草检测模型YOLOv4中引入Meta_ACON激活函数，将玉米苗、杂草检测模型YOLOv4的NECK部分的CBL模块的LeakeyReLU激活函数替换为Meta_ACON力模块的激活函数替换为Meta_ACON激活函数，CBAM注意力模块通过通道和空间两个部分7[0030]其中，和分别表示通道注意力部分的平均池化的特征和最大池化的特[0038](5c)将整块农田分成多个小区域，分别对每个小区域的米苗进行识别。8将拍摄的农田图像经二维重建后合成完整的高分辨9作为待检测样本输入改进的作物行检测模型从而检测出待检测样本中每条作物行的坐标[0063](4b)在构建的玉米苗、杂草检测模型YOLOv4中引入Meta_ACON激活函数，将玉米苗、杂草检测模型YOLOv4的NECK部分的CBL模块的LeakeyReLU激活函数替换为Meta_ACON力模块的激活函数替换为Meta_ACON激活函数，CBAM注意力模块通过通道和空间两个部分[0069]其中，和分别表示通道注意力部分的平均池化的特征和最大池化的特[0077](5c)将整块农田分成多个小区域，分别对每个小区域的[0081]通过对无人机遥感图像进行处理，依据农田中作物都生长在作物行内的这一特

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论