基于深度学习YOLO模型的植物图像识别算法研究

作     者：剧成宇 师艳 孙步阳 Ju Chengyu;Shi Yan;Sun Buyang

作者机构：中国电建集团河南省电力勘测设计院有限公司河南郑州450007 河南地矿职业学院河南郑州450007 

出 版 物：《矿山测量》 (Mine Surveying)

年 卷 期：2022年第50卷第1期

页      面：78-82页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 0811[工学-控制科学与工程] 

主　　题：识别算法 植物图像 YOLO模型 卷积神经网络 

摘      要：为提高YOLO模型进行植物图像快速识别的准确率,对基于深度学习YOLO模型算法进行研究。在传统网络模型的基础上,引入了可变形卷积,将损失函数加入分类函数层中,有效的提高了模型的泛化性能,结合cuDNN库进行并行计算,提高了算法的效率。采用改进的YOLOv3网络模型结合公开数据集进行测试,实现了102种植物的有效识别,平均检测时间为1.275 s,在Top-2、Top-3准确率上均达到96%,与传统YOLO算法相比,识别的准确率和效率均有提高。结果表明,所建立的基于深度学习YOLO模型,在复杂多种类植物识别方面有推广应用价值。