摘要：为解决酿酒葡萄生长状态的在线自动监测问题，该文提出了一种基于卷积神经网络的葡萄叶片检测算法。通过多层卷积的方式产生特征图，使原图像的特征增强并且降低了图像噪声，在最后一层特征图中，通过使用RPN（Region proposal network）生成建议区域，然后进行池化操作，最后进行边框回归与分类。该算法在有叶片遮挡、光照阴影、病害叶片等复杂背景因素下对葡萄叶片有良好的检测效果。试验表明，该算法在复杂背景下对葡萄叶片的检测率为87．2％，误检率为7．2％。
分类：期刊> 自然科学与工程技术> 基础科学> 基础科学综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏 > 数学文摘
关键词：葡萄叶片检测 卷积神经网络 建议区域
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
