《表3 各设施农业典型地物识别算法精度实验对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《设施农业典型地物改进Faster R-CNN识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（%）

现将传统的SIFT+SVM算法、基于CNN的较浅层的分类网络AlexNet[5]、基于VGG-16的Faster R-CNN算法以及DRTOMA算法进行对比分析，各TOMA算法精度对比如表3所示。3种深度学习算法的训练过程如图8所示。设置深度学习类检测算法的训练学习率为0.0004，上文所述硬件环境下训练约152 h，DRTOMA算法模型收敛。部分DRTO-MA识别结果如图9所示，图中TOMA＿1到TOMA＿4分别对应塑料大棚、地膜、连栋温室、日光温室。结合实际考察，DRTOMA算法较准确的识别和区分图9中的4类TOMA。