10.13733/j.jcam.issn.2095-5553.2020.02.22
基于深度卷积神经网络的红树林物种无人机监测研究
红树林生态系统具有重要的生态价值和经济价值.但是近年来由于人类活动、环境污染等因素红树林的面积日益减少,红树林的保护变得极其迫切且重要.提出一种基于深度学习的红树林物种监测方法,以无人机采集红树林待监测区域图像为研究对象,基于LeNet-5模型结构构建深度卷积神经网络模型,将得到的新的网络模型命名为LeNet-5(2).在新的卷积神经网络模型中,利用Leaky-ReLU激活函数解决模型中容易出现的梯度消失的问题,并且采用dropout技术提高网络模型的泛化能力,解决网络模型中容易出现的过拟合问题.利用LeNet-5(2)网络模型对红树林图像进行物种识别并标记,总体识别准确率87.31%,基本映射红树林各类物种的分布情况,预测出图像中4类红树林物种的面积分别为:白骨壤1 578.31m2、红海榄162.07 m2、木榄58.94 m2、秋茄871.79 m2.将预测结果与图像中红树林物种的实际分布进行比较,总体上符合四类物种的实际分布情况.
红树林监测、图像处理、深度学习、卷积神经网络、无人机
41
TP391.41(计算技术、计算机技术)
国家自然科学基金青年科学基金项目;大鹏新区产业发展专项资金项目;广东省科学院实施驱动发展能力建设专项
2020-06-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
141-146,189