引用格式
彭小丹, 陈锋军, 朱学岩, 才嘉伟, 顾梦梦. 基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法[J]. 智慧农业(中英文), 2024, 6(5): 88-97.
Citation:PENG Xiaodan, CHEN Fengjun, ZHU Xueyan, CAI Jiawei, GU Mengmeng. Dense Nursery Stock Detecting and Counting Based on UAV Aerial Images and Improved LSC-CNN[J]. Smart Agriculture, 2024, 6(5): 88-97.
官网全文在线阅读
知网阅读
基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法
彭小丹1,3, 陈锋军1,2,3,4*, 朱学岩1,4, 才嘉伟1,3, 顾梦梦5
(1.北京林业大学 工学院,北京 100083,中国;2.林木资源高效生产全国重点实验室,北京 100083,中国;3.城乡生态环境北京实验室,北京 100083,中国;4.林业装备与自动化国家林业和草原局重点实验室,北京100083,中国; 5.科罗拉多州立大学 园艺与景观建筑系,柯林斯堡 80523,美国)
摘要:
[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate, Size and Count, LSC-CNN),同时实现苗木的检测和计数。
[方法]改进的LSC-CNN模型通过将LSC-CNN模型特征提取网络的最后一层卷积替换为扩张卷积(Dilated Convolutions, DConv),实现在保留苗木细节特征的同时扩大感受野,帮助模型更好地理解上下文信息以区分粘连苗木。此外,在多个尺度分支前引入注意力机制(Convolutional Block Attention Module, CBAM)使模型聚焦于有助于苗木检测和计数的关键特征,以更好地适应不同尺度的苗木。为解决类别不平衡问题,提高模型的泛化能力,将损失函数替换为标签平滑交叉熵损失函数。
[结果和讨论]经测试,改进LSC-CNN模型在456幅苗木图像的测试集上的平均绝对误差(Mean Absolute Error, MAE)、均方根误差(Root Mean Square Error, RMSE)和平均计数准确率(Mean Counting Accurate, MCA)分别为14.24株、22.22株和91.23%,三项指标均优于IntegrateNet、PSGCNet、CANet、CSRNet、CLTR和LSC-CNN模型。
[结论]改进LSC-CNN模型能够准确实现密集种植苗木的检测和计数,适用于多种树木的检测和计数工作。
关键词: 无人机;密集种植;计数;多尺度;LSC-CNN
文章图片
图1 苗木检测和计数数据集获取
Fig. 1 Acquisition of nursery stock detection and counting dataset
注:C代表大小为3×3的卷积;m和t_(s-1)为通道数;DConv表示膨胀率为2,大小为3×3的扩张卷积;P代表大小为2×2的最大池化;CBAM为卷积注意力机制;T表示大小为3×3的转置卷积;s表示分支数;2^s为步长。
图2 改进LSC-CNN模型网络结构
Fig. 2 Network structure of improved LSC-CNN model
图3 CBAM模块结构图
Fig. 3 CBAM module structure
图4 扩张卷积不同膨胀系数示例图
Fig. 4 Examples of dilated convolutions with varying dilation rates
图5 改进LSC-CNN模型损失函数迭代曲线
Fig. 5 Improve the LSC-CNN model's loss function iteration curve
注:红色点表示定位的每个苗木位置;绿色框表示框定的苗木位置和大小;数字表示每幅图像对应的计数结果。
图6 改进LSC-CNN苗木检测计数对比试验结果
Fig. 6 Comparative experimental results of nursery stock detection and counting based on the improved LSC-CNN study
注:每幅图像中绿色框为模型检测结果;数字表示每幅图像对应的计数结果。
图7 改进LSC-CNN模型苗木检测计数试验结果
Fig. 7 Improved LSC-CNN model test results of nursery stock detection and counting
作者简介
来源:《智慧农业(中英文)》2024年第5期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。