激光与光电子学进展, 2020, 57 (2): 021508, 网络出版: 2020-01-03   

基于Faster R-CNN深度网络的油菜田间杂草识别方法 下载: 1401次

Recognition Method for Weeds in Rapeseed Field Based on Faster R-CNN Deep Network
作者单位
安徽农业大学信息与计算机学院智慧农业技术与装备安徽省重点实验室, 安徽 合肥 230036
引用该论文

张乐, 金秀, 傅雷扬, 李绍稳. 基于Faster R-CNN深度网络的油菜田间杂草识别方法[J]. 激光与光电子学进展, 2020, 57(2): 021508.

Zhang Le, Jin Xiu, Fu Leiyang, Li Shaowen. Recognition Method for Weeds in Rapeseed Field Based on Faster R-CNN Deep Network[J]. Laser & Optoelectronics Progress, 2020, 57(2): 021508.

引用列表
1、 药品安全视域下安眠镇静类药物光谱模式识别研究激光与光电子学进展, 2022, 59 (5): 0530004
2、 基于改进Faster R-CNN的接触网管帽目标定位算法激光与光电子学进展, 2022, 59 (4): 0410009
3、 基于特征部位空间关系的牛日常行为识别激光与光电子学进展, 2021, 58 (22): 2215007
4、 基于改进Xception迁移学习的野生菌种类识别研究激光与光电子学进展, 2021, 58 (8): 0810023

张乐, 金秀, 傅雷扬, 李绍稳. 基于Faster R-CNN深度网络的油菜田间杂草识别方法[J]. 激光与光电子学进展, 2020, 57(2): 021508. Zhang Le, Jin Xiu, Fu Leiyang, Li Shaowen. Recognition Method for Weeds in Rapeseed Field Based on Faster R-CNN Deep Network[J]. Laser & Optoelectronics Progress, 2020, 57(2): 021508.

本文已被 4 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!