10.3969/j.issn.1674-8530.18.1131
基于深度学习的无人机遥感生态灌区杂草分类
为了更好地推进生态灌区建设,对灌区内杂草进行检测、控制,提出一种基于卷积神经网络的杂草分类和密度测算方法.通过无人机低空拍摄采集3种杂草(藜草、葎草、苍耳)和3种作物(小麦、花生、玉米)作为数据集,经过裁剪、灰度化等前期处理,并通过旋转方式扩充数据集,最后收集17115张训练样本和750张测试样本,然后将训练集输送给卷积神经网络,采用Soft-max回归,实现6类植物的分类.为降低网络参数,文中试验了100×100和300×300不同分辨率图像对识别精度的影响,分类结果表明300×300分辨率时识别率最高可达到95.6%.另外为实现针对特定杂草的防控,提出了一种检测单一杂草密度的方法,可实现对灌区内各种杂草的精确监控,为后期杂草防控的精准施药提供依据,对实现高效、绿色、安全的现代农业具有重要理论意义和实用价值.
生态灌区、无人机、卷积神经网络、杂草分类
36
S275.9(农田水利)
国家自然科学基金资助项目51509248;国家重点研发计划项目2017YFD0701000,2017YFC0403203,2016YFD200700, 2016YFC0400207;中央高校基本科研业务费资助项目2018QC128,2018SY007;吉林省重点科技研发项目20180201036SF
2018-09-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
1137-1141