基于Macbm-RCNN的葉片周長(zhǎng)和面積測(cè)量方法

打開文本圖片集

摘要：為進(jìn)一步提高日常背景下葉片周長(zhǎng)面積測(cè)量精度和便利性，提出一種新的深度卷積網(wǎng)絡(luò)模型Macbm RCNN，該模型在經(jīng)典Mask RCNN模型基礎(chǔ)上引入注意力機(jī)制。Macbm RCNN能對(duì)經(jīng)過壓縮處理過的圖片進(jìn)行準(zhǔn)確檢測(cè)和標(biāo)注，并最終輸出葉片周長(zhǎng)和面積。通過最終的試驗(yàn)數(shù)據(jù)表明，Macbm RCNN網(wǎng)絡(luò)模型的訓(xùn)練準(zhǔn)確率相比于Mask RCNN提高1.65%，在復(fù)雜圖像處理中，平均訓(xùn)練時(shí)間提升0.022 s，平均推理時(shí)間提升0.018 s。（剩余9898字）