张 岩,程维中

随着现代农业机械化进程的不断推进，农业生产效率和智能化水平对机械识别系统提出了更高要求。视觉识别作为实现农业机械自动化作业的核心技术之一，对于提升作业的准确性和安全性具有重要意义。针对传统目标检测方法在复杂农田环境下存在的识别精度低、速度慢等问题，本文对Faster-R-CNN目标检测算法进行了有效改进，提升了系统对农业机械的精准识别能力。文章在分析农业机械视觉识别需求及应用现状的基础上，提出了结合图像预处理与特征增强的优化策略，优化了特征提取网络结构，并改进了候选区域生成方式，从而增强了模型对不同尺度与形态农机目标的适应能力。优化系统在多样农田场景下实现了对多类农业机械的高效辨识，为农业生产提供了智能辅助支持。研究结果表明，所提出的系统具备良好的实用性和鲁棒性，有助于推动智慧农业及农机装备智能化的发展。

Faster-R-CNN；农业机械；视觉识别；目标检测；特征优化

[1] 朱丹吴兹古力.基于机器视觉的农业机械图像识别系统分析[J].农机化研究,2020,0(10):28-31. [2] 于亮.农业机械结构优化研究[J].核农学报,2021,35(03):I0014-I0014. [3] 侯跃谦,任真,聂新宇,赵雪薇,胡正乙.基于Faster R-CNN的标识识别系统[J].工程与试验,2023,63(02):70-71. [4] 王洋杨立.基于Faster R-CNN的旋转机械红外检测与识别[J].红外技术,2020,42(11):1053-1060. [5] 邵蓉蓉,曹龙龙,李明军,刘凯凯.基于视觉传达理论的农业机械标识设计研究[J].南方农机,2020,51(03):50-51.

点击下载PDF