基于深度学习的“一膜两年用”玉米全膜双垄沟种床特征识别方法研究
JCR分区:
影响因子:
为更加准确掌握“一膜两年用”玉米全膜双垄沟覆膜种床特征，提高其智能化生产水平，采用基于深度学习的目标检测网络模型开展“一膜两年用”玉米全膜双垄沟种床特征识别方法的研究，对种床结构中的残膜、根茬和覆土带进行检测识别。结果表明：优化后的YOLOx网络模型的效果相关值（mAP）为90.76%，检测结果优于其他网络模型。为探究无人机拍摄图像对目标检测结果的影响，采用三因素三水平BOX-Behnken试验设计方法，建立无人机飞行高度、无人机飞行角度和无人机飞行速度与评价网络模型mAP值的数学模型，寻求无人机拍摄的最优参数组合并进行试验验证，当无人机飞行高度为0.9 m、飞行角度100°、飞行速度2.2 m·s-1时，评价网络模型效果相关的响应值达到最优。经验证，无人机拍摄参数优化后，网络模型的mAP值为92.67%，检测效果优于其他组模型。
