基于MSRA初始化卷积神经网络的草地牧草分类研究
草地牧草的分类与识别是草原研究与监测的重要环节,利用高光谱成像技术和卷积神经网络进行牧草种类的识别判断,为实现草地牧草自动分类与数字化治理提供了新的途径.本文提出了基于MSRA初始化卷积神经网络的草地牧草高光谱图像自动识别与分类的方法.主要过程包括图像预处理、裁剪、特征提取和识别分类四个环节,首先预处理采用改进的自适应波段选择法进行波段提取,然后将提取后的数据压缩成新图像进行裁剪,最后进入MSRA初始化卷积神经网络提取特征并进行识别分类.本文针对卷积神经网络的鲁棒性、稳定性和识别率等问题创新性的提出了MSRA初始化方法,通过初始化设置参数和权值,使网络的性能得到提升,提高识别准确率.本文对实地采集的蒙古冰草、老麦芒、紫羊毛草、燕麦、黄花杂交苜蓿、光穗冰草6种牧草进行识别分类,为保证实验的可靠性与准确性,对训练集和测试集进行多次划分及多次交叉验证实验.实验结果表明,本文提出的MSRA初始化卷积神经网络相比于SVM、KNN、2D-CNN等方法,对草地牧草高光谱图像的识别准确率较高,达到96.50%.实验结果证明本方法具有良好的分类性能和可行性,为草地牧草的识别分类提供了新思路.
高光谱图像、识别分类、卷积神经网络、MSRA初始化
32
S-3(农业科学研究、试验)
国家自然科学基金;国家自然科学基金;基本科研业务费项目
2021-03-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
88-95