[1] |
李伟强,王东,宁政通,等. 计算机视觉下的果实目标检测算法综述[J]. 计算机与现代化, 2022(6):87-95.
|
[2] |
吕继东,王艺洁,夏正旺,等. 基于改进的Mask R-CNN自然场景下苹果识别研究[J]. 常州大学学报:自然科学版, 2022,34(1):68-77.
|
[3] |
仇誉,韩俊英,封成智,等. 基于卷积神经网络的苹果栽培品种识别[J]. 计算机与现代化, 2021(12):65-71.
|
[4] |
FAN P, LANG G D, GUO P J, et al.Multi-feature patch-based segmentation technique in the gray-centered RGB color space for improved apple target recognition[J].Agriculture,2021,11(3).https://doi.org/10.3390/agriculture11030273.
|
[5] |
魏亚辉,黄耿楠,吴福培. 基于改进分水岭算法的苹果识别方法[J]. 包装工程, 2021,42(8):255-260.
|
[6] |
李大华,包学娟,于晓,等. 基于YOLOv3网络的自然环境下青苹果检测与识别[J]. 激光杂志, 2021,42(1):71-77.
|
[7] |
刘丽娟,窦佩佩,王慧. 自然环境下重叠与遮挡苹果图像识别方法研究[J]. 中国农机化学报, 2021,42(6):174-181.
|
[8] |
TIAN Y O, YANG G D, WANG Z, et al. Apple detection during different growth stages in orchards using the improved YOLO-V3 model[J]. Computers and Electronics in Agriculture, 2019,157(C):417-426.
|
[9] |
江梅,孙飒爽,何东健,等. 融合K-means聚类分割算法与凸壳原理的遮挡苹果目标识别与定位方法[J]. 智慧农业, 2019,1(2):45-54.
|
[10] |
WAN S H, GOUDOS S. Faster R-CNN for multi-class fruit detection using a robotic vision system[J]. Computer Networks, 2020,168. DOI:10.1016/j.comnet.2019.107036.
|
[11] |
张磊,姜军生,李昕昱,等. 基于快速卷积神经网络的果园果实检测试验研究[J]. 中国农机化学报, 2020,41(10):183-190.
|
[12] |
薛月菊,黄宁,涂淑琴,等. 未成熟芒果的改进YOLOv2识别方法[J]. 农业工程学报, 2018,34(7):173-179.
|
[13] |
SUN J, HE X F, GE X, et al. Detection of key organs in tomato based on deep migration learning in a complex background[J]. Agriculture, 2018,8(12). DOI:10.3390/agriculture8120196.
|
[14] |
赵德安,吴任迪,刘晓洋,等. 基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位[J]. 农业工程学报, 2019,35(3):164-173.
|
[15] |
REN S Q, HE K M, GIRSHICK R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017,39(6):1137-1149.
|
[16] |
江磊,崔艳荣. 基于YOLOv5的小目标检测[J]. 电脑知识与技术:学术版, 2021,17(26):131-133.
|
[17] |
BOCHKOVSKIY A, WANG C, LIAO H M. YOLOv4: Optimal speed and accuracy of object detection[J]. arXiv preprint arXiv:2004.10934, 2020.
|
[18] |
HE K M, ZHANG X Y, REN S Q, et al. Deep residual learning for image recognition[C]// 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2016:770-778.
|
[19] |
任朝东,张得礼. 基于RPN网络和改进LBP特征的充电口检测算法[J]. 计算机与现代化, 2021(8):64-69.
|
[20] |
QIN Y Y, HE S Y, ZHAO Y, et al. RoI pooling based fast multi-domain convolutional neural networks for visual tracking[C]// 2016 2nd International Conference on Artificial Intelligence and Industrial Engineering (AIIE 2016). 2016. DOI:10.2991/aiie-16.2016.46.
|
[21] |
蒋怡,黄平,董秀春,等. 基于Softmax分类器的小春作物种植空间信息提取[J]. 西南农业学报, 2019,32(8):1880-1885.
|
[22] |
赵文仓,徐长凯,王春鑫. 基于优化边界框回归的目标检测[J]. 高技术通讯, 2021,31(7):747-753.
|
[23] |
朱继洪,裴继红,赵阳. 卷积神经网络(CNN)训练中卷积核初始化方法研究[J]. 信号处理, 2019,35(4):641-648.
|
[24] |
桑海峰,吕应宇. 全卷积连接神经网络的目标跟踪[J]. 电脑与信息技术, 2019,27(1):1-5.
|
[25] |
徐信罗,陶欢,李存军,等. 基于FasterR-CNN的松材线虫病受害木识别与定位[J]. 农业机械学报, 2020,51(7):228-236.
|
[26] |
李景琳,姜晶菲,窦勇,等. 基于Soft-NMS的候选框去冗余加速器设计[J]. 计算机工程与科学, 2021,43(4):586-593.
|
[27] |
陈斌,饶洪辉,王玉龙,等. 基于Faster-RCNN的自然环境下油茶果检测研究[J]. 江西农业学报, 2021,33(1):67-70.
|