基于小型卷积神经网络的南疆棉花图像分类
针对南疆棉田图像分类特定应用场景,该文提出一种小型卷积神经网络模型,分别对幼苗期棉苗、缺苗穴和地膜及吐絮期叶片、成铃和吐絮铃图像进行自动化分类.该卷积神经网络由12层组成,包括交替堆叠的4个卷积层和4个最大池化层,以及1个展平层、1个Dropout层和2个密集连接层.采用智能手机拍照方法,获取幼苗期棉苗、缺苗穴和地膜图像13920张,吐絮期叶片、成铃和吐絮铃图像21427张.在普通笔记本电脑上部署TensorFlow、Keras深度学习框架和卷积神经网络模型,使用数据增强和添加Dropout层来消除过拟合.研究结果表明,小型卷积神经网络在幼苗期和吐絮期图像测试集的分类精度分别达到了0.9993和0.9757,模型具有很好的泛化能力,模型的训练时间约2 h.研究结果将为利用数字图像智能提取棉花缺苗信息及棉铃吐絮信息提供一定的参考.
深度学习、卷积神经网络、棉花、地膜、叶片、棉铃、图像分类
3
S51(禾谷类作物)
塔里木大学高教研究项目TDGJYB2226
2023-05-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
17-23
