基于Mask-RCNN的无人机影像白喉乌头检测

作     者：梁俊欢 董峦 孙宗玖 马海燕 艾尼玩·艾买尔 阿仁 魏鹏 田聪 阿斯娅·曼力克 郑逢令 LIANG Jun-huan;DONG Luan;SUN Zong-jiu;MA Hai-yan;AINIWAN·Aimaier;Aren;WEI Peng;TIAN Cong;ASIYA·Manlike;ZHENG Feng-ling

作者机构：新疆农业大学草业学院乌鲁木齐830052 新疆畜牧科学院草业研究所乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057 新疆农业大学计算机与信息工程学院乌鲁木齐830052 

出 版 物：《草食家畜》 (Grass-Feeding Livestock)

年 卷 期：2023年第1期

页      面：44-51页

学科分类：07[理学] 0713[理学-生态学] 

基　　金：国家自然科学基金项目(31860679) 

主　　题：毒害草 白喉乌头 深度学习 Mask-RCNN 

摘      要：白喉乌头(Aconitum leucostomum)是伊犁的主要毒害草之一。快速精准识别白喉乌头可为监测其分布和扩散提供必要的数据和技术支持。本研究利用无人机影像获取白喉乌头影像并构建数据集,分别采用深度残差网络ResNet50和ResNet101提取特征,应用深度学习目标检测算法Mask-RCNN对白喉乌头自动识别。结果表明,通过对比测试集的检测精度,ResNet50的平均精确度(mAP)最高,达到66.0%,ResNet101的mAP最低,为65.3%,ResNet50网络在检测白喉乌头的性能表现优异。Mask-RCNN应用于无人机影像识别白喉乌头,实现白喉乌头的自动检测切实可行。