中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于无人机图像和贝叶斯CSRNet模型的粘连云杉计数 农业工程学报 2022,38 (14) 43-50,323
Position: Home > Articles > Adhesion spruce counting based on UAV images and Bayesian CSRNet model Transactions of the Chinese Society of Agricultural Engineering 2022,38 (14) 43-50,323

基于无人机图像和贝叶斯CSRNet模型的粘连云杉计数

作  者：
朱学岩;张新伟;才嘉伟;郑一力;顾梦梦;陈锋军
单  位：
德州农工大学园艺系;北京林业大学工学院
关键词：
无人机;模型;苗木计数;贝叶斯CSRNet;CSRNet;粘连苗木;云杉
摘  要：
自动、准确且快速地统计苗木数量是实现苗圃高效管理的重要基础.针对现有苗木计数方法准确率较低且无法准确统计粘连苗木等问题,该研究提出了一种基于贝叶斯CSRNet模型的云杉计数模型.该模型以对粘连苗木具有良好稳定性的CSRNet模型为基础,引入贝叶斯损失函数,以人工标注的点标签数据作为监督信号.以1176幅云杉图像训练贝叶斯CSRNet模型,并通过166幅测试集云杉图像进行测试.结果表明,贝叶斯CSRNet模型可以准确、快速地统计无人机航拍图像内的云杉,对测试集图像内云杉的平均计数准确率(Mean Counting Accuracy,MCA)、平均绝对误差(Mean Absolute Error,MAE)和均方误差(Mean Square Error,MSE)分别为99.19%、1.42和2.80.单幅云杉图像耗时仅为248 ms,模型大小为62 Mb.对比YOLOv3模型、改进YOLOv3模型、CSRNet模型和贝叶斯CSRNet模型对166幅测试集云杉图像的计数结果,贝叶斯CSRNet模型的MCA分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型高3.43%、1.44%和1.13%;MAE分别低6.8、2.9和1.67;MSE分别低101.74、23.48和8.57.在MCT(Mean Counting Time)和MS(Model Sizel)两项指标上,贝叶斯CSRNet模型与CSRNet模型相同且优于YOLOv3模型和改进YOLOv3模型.贝叶斯CSRNet模型可实现无人机航拍图像内苗木数量的自动、准确、快速统计,为苗木库存智能盘点提供参考.
译  名：
Adhesion spruce counting based on UAV images and Bayesian CSRNet model

相似文章

导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46