基于全卷积神经网络方法的玉米田间杂草识别

摘要：

杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害.要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别.利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集,利用迁移学习技巧,对模型采取非初始参数训练,提升模型识别准确率.结果表明,选择的U-Net模型识别效果最佳,能够有效地克服阴天光照、地膜等因素干扰,实现杂草的快速准确识别,验证集识别正确率96.13％,能够满足杂草识别的实际要求.

关键词：杂草识别、全卷积神经网络、深度学习、语义分割、U-Net模型、VGG

所属期刊栏目：50

分类号：S126;TP391.41(农业物理学)

资助基金：国家自然科学基金;新疆维吾尔自治区研究生教育创新计划科研创新项目;新疆维吾尔自治区教育厅自然科学重点项目

在线出版日期：2022-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：93-100