基于YOLO v4的松材线虫病变色木自动检测     

劳全  夏云峰  叶盛  杨杰  赖叶茗  陶晰 《福建农林大学学报(自然科学版)》2024,(3):429-432

【目的】对受松材线虫病影响的树木进行快速、高效和精确的检测。【方法】利用深度学习技术中的YOLO v4(you only look once version 4)目标检测模型,对高分辨率影像中的松材线虫病变色木进行检测,并与SSD(single shot multibox detector)模型进行对比。【结果】YOLO v4模型的检测精度较高,精确度(P)为0.961 3,召回率(R)为0.764 9,F1分数为0.851 9。【结论】YOLO v4可准确地识别和定位松材线虫病变色木,且精确度比SSD高。  相似文献   

高压输电线路的无人机电力巡检技术研究     

蒋卿  贝嘉鹏  赖叶茗 《农村电气化》2019,(1):23-25

当前,无人机逐渐被推广应用于高压输电线路的电力巡检中,研究无人机电力巡检技术具有十分重要的意义。本文分析了当前无人机技术的发展现状,并结合实际案例,分析了针对高压输电线路的无人机电力巡检技术,以期能为有关需要提供参考。  相似文献