基于改进Faster R-CNN的农田残膜识别方法

作     者：张学军 黄爽 靳伟 鄢金山 史增录 周鑫城 张朝书 ZHANG Xuejun;HUANG Shuang;JIN Wei;YAN Jinshan;SHI Zenglu;ZHOU Xincheng;ZHANG Chaoshu

作者机构：新疆农业大学机电工程学院新疆乌鲁木齐830052 新疆农业工程装备创新设计实验室重点实验室新疆乌鲁木齐830052 阿拉尔市天典农机制造有限责任公司新疆阿拉尔843300 

出 版 物：《湖南大学学报（自然科学版）》 (Journal of Hunan University:Natural Sciences)

年 卷 期：2021年第48卷第8期

页      面：161-168页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：“十三五”国家重点研发计划资助项目(2017YFD0701102-2) 国家自然科学基金资助项目(51665057) 新疆自治区重点研发任务专项(2016B01003-1) 新疆自治区高校科研计划创新团队资助项目(XJEDU2017T005) 

主　　题：残膜识别 Faster R-CNN 残差网络 特征提取网络 

摘      要：为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7∶2∶1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84%,召回率为87.70%,总体精度为88.27%;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29%、0.67%、0.97%,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.