基于高效多分支卷积神经网络的生长点精确检测与生态友好型除草
Eco-friendly weeding through precise detection ofgrowing points via efficient multi-branch convolutional neural networks
- 摘要
- 1、介绍
- 2、相关工作
- 2.1 杂草检测，高效除草
- 2.2 用于密集预测任务的编解码网络
- 2.3 语义图形是一种有效的标签方法
- 3、总结
摘要
在本研究中，我们提出了一种基于编码器-解码器的双解码器分支卷积神经网络来检测杂草生长点。
该解码器融合了空间注意力和通道注意力，并采用了一种新的激活门机制来控制注意力。
我们还提出了一种简单而有效的策略来组合解码器分支的输出。在包含不同杂草生长阶段的野外数据集上对该方法进行了测试，并与基于点度量的最新方法进行了比较。
结果表明，该方法优于现有方法，检测率为0.8505，精度为0.8641，漏检率为0.1391,RMSE为22.68,MAE为17.95。实现代码可以访问https://github.com/dewamsa/WGPdetection.git。
1、介绍
已经发展了几种控制杂草的方法，包括使用除草剂和人工除草。然而，这两种方法都有局限性:除草剂可能导致作物污染和环境污染(fenimore et al.