一种基于改进的FasterRCNN的棕榈树检测和计算方法技术

本发明专利技术提供一种快速检测，检测精确率高的基于改进的Faster RCNN的棕榈树检测和计算方法。包括以下步骤，获取棕榈树种植园的高分辨率图像；根据高分辨率图像制作数据集，并把数据集拆分为训练数据集和测试数据集；得到的训练数据集进行标记；基于改进Faster RCNN算法，构建目标检测算法框架；利用目标检测算法框架，对标记的训练数据集进行训练，得到训练好的检测算法框架；将待检测的棕榈树数目的高分辨率图像输入到训练好的检测算法框架中进行检测并计算得到的棕榈树数目。检测并计算得到的棕榈树数目。检测并计算得到的棕榈树数目。

【技术实现步骤摘要】
一种基于改进的FasterRCNN的棕榈树检测和计算方法


[0001]本专利技术属于图像处理检测
，涉及一种基于改进的Faster RCNN的棕榈树检测和计算方法。

技术介绍

[0002]在油棕种植园的管理中，如何合理种植、施肥、灌溉、除草，收割都是常见的问题。除此之外，如何预测种植园的油棕产量是管理者经常遇到的一个问题。通常通过得到种植园中棕榈树的总量便可以预测其产量，而且管理者还可以依据棕榈树的总量预测到肥料的使用量，以及制定合理的灌溉策略。因此，种植园中的棕榈树数量对管理者有效管理起着重要作用。
[0003]通常，为了计算种植园中的棕榈树总数，工人们首先使用无人机获取到种植园的一个航拍图像。所获取的图像通常是一个高分辨率图像，然后他们使用GIS软件Geographic Information System加载获取图像，然后手动去标记并计算图像中的棕榈树总数。这种手动计算方法繁琐，而且当其应用于大规模的种植园时，其效率不高。
[0004]传统的基于图像处理和机器学习的技术常常提取出图像中目标的低级和中级特征，然后再对目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的Faster RCNN的棕榈树检测和计算方法，其特征在于，包括以下步骤：步骤1：获取棕榈树种植园的高分辨率图像；步骤2：根据步骤1中的高分辨率图像制作数据集，并把数据集拆分为训练数据集和测试数据集；步骤3：对步骤2中得到的训练数据集进行标记；步骤4：基于改进Faster RCNN算法，构建目标检测算法框架；步骤5：利用步骤4中的目标检测算法框架，对步骤3中标记的训练数据集进行训练，得到训练好的检测算法框架；步骤6：将待检测的棕榈树数目的高分辨率图像输入到步骤5中训练好的检测算法框架中进行检测并计算得到的棕榈树数目。2.根据权利要求1所述一种基于改进的Faster RCNN的棕榈树检测和计算方法，其特征在于，所述步骤1中获取棕榈树种植园的高分辨率图像，具体方法为：在棕榈树种植园中，使用无人机多次飞行采集棕榈树种植园各个区域的图片，然后把采集到的图片拼接，形成整个棕榈树种植园的高分辨率图像。3.根据权利要求1所述一种基于改进的Faster RCNN的棕榈树检测和计算方法，其特征在于，所述步骤2中根据步骤1中的高分辨率图像制作数据集，具体方法为：将采集到的棕榈树种植园的高分辨率图像，切割为大小相同，分辨率低的子图像的数据集，并把子图像的数据集划分为训练数据集和测试数据集。4.根据权利要求3所述一种基于改进的Faster RCNN的棕榈树检测和计算方法，其特征在于，所述子图像的分辨率大小为500
×
600。5.根据权利要求1所述一种基于改进的Faster RCNN的棕榈树检测和计算方法，其特征在于，所述步骤3中对步骤2中的训练数据集进行标记，具体方法为：利用标记软件labelImg对训练数据集中的每个子图像进行标记，用矩形框标记出子图像中的目标，标记完后，生成一个.txt文件用于记录子图像中目标的位置和名称。6.根据权利要求5所述一种基于改进的Faster RCNN的棕榈树检测和计算方法，其特征在于，所述标记出子图像中的目标为棕榈树。7.根据权利要求1所述一种基于改进的Faster RCNN的棕...

【专利技术属性】
技术研发人员：柳新妮，
申请(专利权)人：西安财经大学，
类型：发明
国别省市：