基于深度学习的大棚及地膜农田无人机航拍监测方法

摘要：

随着精准农业技术的发展,快速获取大棚和地膜农田面积及地理分布的需求越来越大,但沿用面向卫星遥感影像的解译方法处理无人机航拍影像,存在特征选择复杂、识别精度较低、处理时间长等问题.基于此,本文提出一种基于深度学习的大棚及地膜农田无人机航拍监测方法,即采用六旋翼无人机搭载索尼NEX-5k相机进行航拍作业,对采集到的558幅赤峰市王爷府镇地区的无人机航片进行正射校正与拼接,构建全卷积神经网络(Fully convolutional network,FCN),通过多尺度融合的方法实现了FCN的5个变种模型:FCN-32s、FCN-16s、FCN-8s、FCN-4s、FCN-2s,使用带动量的随机梯度下降算法端到端训练模型,自动提取并分类影像特征.FCN模型与ENVI商用遥感软件的基于像素的分类方法、eCognition软件的面向对象的分类方法对比后表明:FCN-4s模型为识别大棚和地膜农田的最佳模型,对于测试区域的平均整体正确率为97％,而基于像素的分类方法平均整体正确率为74.1％,面向对象的分类方法平均整体正确率为81.78％.FCN-4s模型平均运行时间为16.85 s,是基于像素的分类方法运行时间的0.06％,是面向对象的分类方法运行时间的5.62％.本方法可快速准确获取大棚和地膜农田的地理分布及面积,满足设施农业对无人机航拍监测的需求.

关键词：农业监测、无人机、深度学习、语义分割、全卷积神经网络

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金交叉创新项目2017JC02;国家自然科学基金项目61402038

在线出版日期：2018-04-25（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：133-140