| 刊名 | 《科技研究》 | ||||
| 作者 | 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) | 英文名 | 年，卷(期) | 2025年,第4期 | |
| 主办单位 | 华文科学出版社 | 刊号 | ISSN:3079-9244（原2717-5480） | DOI | 10.12421/ddyx3079-9244-2025430 |
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。
营业时间：9;00-11:30 13:30-17:00
地址：总部：香港湾仔骆克道315-321号幸运广场23楼C室；分部：香港九龍新蒲崗太子道東704號新時代工貿商業中心31樓5-11室A03單位
邮箱：gjkzxtg@126.com
客服QQ：3577400288
