基于Macbm-RCNN的叶片周长和面积测量方法 |
| |
引用本文: | 荣民希,班彬,王智峥,郭晓丽,张卫正.基于Macbm-RCNN的叶片周长和面积测量方法[J].江苏农业科学,2022(13):199-206. |
| |
作者姓名: | 荣民希 班彬 王智峥 郭晓丽 张卫正 |
| |
作者单位: | 1. 郑州轻工业大学数学与信息科学学院;2. 郑州轻工业大学 |
| |
基金项目: | 国家自然科学基金(编号:11601491、61403349);;河南省科技攻关项目(编号:192102110203); |
| |
摘 要: | 为进一步提高日常背景下叶片周长面积测量精度和便利性,提出一种新的深度卷积网络模型Macbm RCNN,该模型在经典Mask RCNN模型基础上引入注意力机制。Macbm RCNN能对经过压缩处理过的图片进行准确检测和标注,并最终输出叶片周长和面积。通过最终的试验数据表明,Macbm RCNN网络模型的训练准确率相比于Mask RCNN提高1.65%,在复杂图像处理中,平均训练时间提升0.022 s,平均推理时间提升0.018 s。计算效率高于叶面仪和方格法,计算误差小于1.5%。验证表明,引入注意力机制的Macbm RCNN网络能提高叶片预测的准确率,在复杂情况下处理的速率有明显提升;在叶片周长和面积的计算中误差较小。在实际应用中能有效提高工作效率。
|
关 键 词: | Macbm RCNN 叶片周长面积计算 特征提取 注意力机制 目标识别 图像分割 |
|
|