<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">8</journal-id>
      <journal-title-group>
        <journal-title>《科技研究》</journal-title>
      </journal-title-group>
      <issn>ISSN:3079-9244（原2717-5480）</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.12421/ddyx3079-9244-2025430</article-id>
      <article-id pub-id-type="publisher-id">18489</article-id>
      <title-group>
        <article-title>基于改进 FasterR-CNN 的花生田间杂草识别方法研究</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>王昊 1 刘诺晗 1 左沛全 1 崔莉 2 曹丽君 1* (1.河北科技师范学院数学与信息科技学院 河北秦皇岛 066004 2.河北省农业数据智能感知与应用技 术创新中心 河北秦皇岛 066004)</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2025</year>
        <month>4</month>
      </pub-date>
      <issue>4</issue>
      <abstract>
        <p>针对花生田间杂草识别受复杂背景干扰、小目标检测困难及模型泛化能力不足的问题，提出一种基于改进 Faster
R-CNN 的识别方法。引入 CBAM 注意力机制增强小目标特征提取，采用 Soft-NMS 替代原始 NMS，减少密集目标漏检。
实验表明，改进模型 mAP、准确率分别达 91.3%、90.7%，较原始模型提升 3.6%、2.4%，可为精准农业施药除草提供技术支
持。</p>
      </abstract>
    </article-meta>
  </front>
</article>
