40、农业与交通领域智能识别系统的设计与研究

农业与交通领域智能识别系统的设计与研究

一、玉米和杂草检测模型

1.1 网络构建

通过 BN（批量归一化）和 ReLU 激活函数构建网络，网络结构基于 MobileNet 结构，具体如下：

3*3 conv
BN
ReLu
3*3 Depthwise conv
BN
ReLu
1*1 conv
BN
ReLu

1.2 模型训练

采用迁移学习来训练玉米和杂草目标检测模型，具体步骤如下：
1. 参数设置 ：
- 将输入数据层的类别数和分类得分层的输出数都改为 3，即玉米、杂草和背景。
- 模型的超参数 lr 初始化为 1e - 5。
- 训练层数 epoch 初始化为 50。
- 每层的训练步数为 1000。
- 批量大小 batch - size 初始化为 1。
- 整个训练过程迭代 50000 次。
2. 具体训练步骤 ：
- 数据集划分 ：使用玉米和杂草数据集，并指定数据集中训练数据集和测试数据集的比例。
- 网络构建与特征提取 ：使用软件 Pycharm、Python3.5 语言和深度学习框架 Keras 构建网络。将处理后的数据集输入到结合了 MobileNet 思想的 ResNet50 网络结构中，得到原始图片的五层特征图：
- 第一层 feature_map_64 和第二层 fea