基于卷积神经网络的热红外图像检测模型

摘要

针对我国目前大部分果园的果树冠层施药情况1检测效率低、成本高等问题,提出一种基于卷积神经网络的热红外图像检测模型.通过采集大量柑橘树在不同环境条件下施药前后的热红外图像,在经典卷积神经网络模型Inception-v3基础上,利用计算机视觉相关知识改进模型参数,设计一种新型卷积神经网络模型——S-Inception-v3.与Mobile Net,Shuffle Net和Inception-v3网络模型对比,S-Inception-v3网络模型在测试集上的分类准确率分别提高了10.28％,8.46％,3.43％;召回率分别提高了8.66％,7.48％,3.35％;模型大小分别降低了6.4 M,1.1 M,1.6 M.该模型在柑橘果树冠层热红外图像上的分类性能更好,在保证网络分类准确率的同时,网络大小、计算量均有所下降,为农业航空领域施药检测技术改进提供了参考.