【论文精选】基于无人机航拍与改进YOLOv3模型的云杉计数

来源：农业工程学报

《农业工程学报》2020年第36卷第22期刊载了北京林业大学等单位陈锋军、朱学岩、周文静、顾梦梦与赵燕东的论文——“基于无人机航拍与改进YOLOv3模型的云杉计数”。该研究由国家重点研发计划（项目号：2019YFD1002401）等资助。

引文信息：陈锋军,朱学岩,周文静,顾梦梦,赵燕东.基于无人机航拍与改进YOLOv3模型的云杉计数[J].农业工程学报,2020,36(22):22-30.

研究目的与方法：

为解决目前苗木计数由人工完成而导致的成本高，效率低，计数精度不能得到保障的问题，该研究以自然环境下的云杉为研究对象，以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源，根据云杉尺寸差异大和训练样本小的特点提出一种基于改进YOLOv3模型的云杉计数模型。该模型将密集连接模块和过渡模块引入特征提取过程，形成Darknet-61-Dense特征提取网络。

结果与结论：

通过694幅无人机航拍云杉图像测试表明，密集连接模块和过渡模块可解决YOLOv3模型小样本训练过拟合问题和云杉特征丢失问题，改进YOLOv3模型可以快速准确实现云杉计数，在精确率P、召回率R、平均精度AP、平均计数准确率MCA和平均检测时间ADT这5个评价指标上达到96.81%、93.53%、94.26%、98.49%和0.351 s；对比原有YOLOv3模型、SSD模型和Faster R-CNN模型，精确率P分别高2.44、4.13和0.84个百分点。对于拼接后完整地块云杉图像，改进YOLOv3模型的5个评价指标的结果分别为91.48%、89.46%、89.27%、93.38%和1.847 s；对比原有YOLOv3模型、SSD模型和Faster R-CNN模型，精确率P分别高2.54、9.33和0.74个百分点。该研究为利用无人机快速准确统计苗木数量的关键步骤做出有益的探索。

»» 点击  阅读原文  获取全文