基于YOLO的玉米全膜双垄沟种床苗带识别方法

LI Xiang-zhou,DAI Fei,GUO Wen-juan,ZHANG Fang-yuan,SONG Xue-feng,ZHANG Feng-wei

Forestry Machinery & Woodworking Equipment（2022）

引用 0|浏览1

暂无评分

摘要

玉米苗期是玉米全膜双垄沟种床苗带中耕管理与追肥的关键时期,为进一步提升玉米全膜双垄沟智能机械化生产水平,基于深度学习的目标检测YOLOv3-SPP网络模型与YOLOx-Darknet53网络模型开展了玉米全膜双垄沟种床苗带识别方法研究.研究结果表明,YOLOx-Darknet53网络模型与YOLOv3-SPP网络模型的mAP分别为95.56％和94.72％,前者比后者高0.84％,使用100幅图像测得前者检测速度FPS为44.1,而后者为19.1,前者检测速度明显快于后者.研究方法与结论可为玉米全膜双垄沟种床苗带识别方法与玉米全膜双垄沟智能农机装备的有效结合提供理论支撑.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要