融合超分辨率重建的YOLOv5松枯死木识别模型.pdfVIP

下载本文档

9
0
约6.17万字
约 9页
2023-09-18 发布于新疆
举报
版权申诉

融合超分辨率重建的YOLOv5松枯死木识别模型.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 39 卷第 5 期农业工程学报 Vol.39 No.5 2023 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2023 137 融合超分辨率重建的 YOLOv5 松枯死木识别模型 1 2 1 1 2,3 王文瑾，游子绎，邵历江，李小林，吴松青， 4 1,3※ 2,3 张珠河，黄世国，张飞萍（1. 福建农林大学计算机与信息学院，福州 350002 ；2. 福建农林大学林学院，福州 350002 ； 3. 生态公益重大有害生物防控福建省高校重点实验室，福州 350002 ；4. 福州市森林病虫害防治检疫站，福州 350002 ）摘要：为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题，该研究提出了一种在特征层级进行超分辨率重建的YOLOv5 松枯死木识别算法。在 YOLOv5 网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图，自适应改变感受野的机制分配权重，将更多注意力集中在纹理细节，提升了小目标和模糊目标的识别精度。同时，使用前景背景平衡损失函数抑制背景噪声干扰，增加正样本的梯度贡献，改善正负样本分布不平衡问题。试验结果表明，改进后算法在交并比（intersection over union, IoU ）阈值取0.5 时的平均精度均值（mean average precision, mAP50 ）为92.7%，mAP50~95 （以步长0.05 从 0.5 到 0.95 间取IoU 阈值下的平均mAP ）为62.1%，APsmall （小目标平均精度值）为53.2%，相比于原算法mAP50 提高了 3.2 个百分点，mAP50~95 提升了 8.3 个百分点，APsmall 提升了 15.8 个百分点。不同算法对比分析表明，该方法优于 Faster R-CNN 、YOLOv4 、YOLOX 、MT-YOLOv6 、QueryDet、 DDYOLOv5 等深度学习算法，mAP50 分别提高了 16.7、15.3、2.5、2.8 、12.3 和 1.2 个百分点。改进后松枯死木识别算法具有较高精度，有效缓解了小目标与纹理模糊目标识别困难问题，为后续疫木清零提供技术支持。关键词：无人机；图像识别；松枯死木；小目标检测；超分辨率重建；特征融合 doi ：10.11975/j.issn.1002-6819.202211141 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2023)-05-0137-09 王文瑾，游子绎，邵历江，等. 融合超分辨率重建的YOLOv5松枯死木识别模型[J]. 农业工程学报，2023，39(5)：137-145. doi ：10.11