当前位置: 首页 > 文章 > 基于深度学习的白喉乌头与牧草高精度分类研究 江苏农业科学 2021 (12) 173-180
Position: Home > Articles > 基于深度学习的白喉乌头与牧草高精度分类研究 Jiangsu Agricultural Sciences 2021 (12) 173-180

基于深度学习的白喉乌头与牧草高精度分类研究

作  者:
范宏;刘素红;陈吉军;沈江龙;乔雪丽;郑江华
单  位:
北京师范大学环境遥感与数字城市北京重点实验室;新疆维吾尔自治区治蝗灭鼠指挥部;新疆大学资源与环境科学学院
关键词:
卷积神经网络;毒害草;无人机影像;图像识别;白喉乌头;牧草;
摘  要:
采用无人机获取白喉乌头危害草原区的1 cm空间分辨率的无人机数字正射影像,分别在5×5、10×10、20×20、40×40、80×80像素5个尺度下选取白喉乌头和普通牧草2类训练样本,使用VGG16、VGG19、ResNet50等3种模型对图像切片的特征进行学习,以获取图像切片的深层特征,进而实现对2类地物的分类提取。对比5个分割尺度下3种模型得到的分类精度,发现不同的分割尺度对分类精度有明显影响,随着分割尺度的增加分类精度呈现出先升高再降低的趋势,在40×40像素尺度下3种方法都得到了最高的分类精度,分别为95.31%、96.88%、93.75%,白喉乌头的分类验证精度分别为86.52%、92.77%、93.81%。对分类结果进行分析发现,在40×40像素的尺度下对应的地面实际范围是40 cm×40 cm,与白喉乌头的单株长宽接近,能较好地提取白喉乌头整株的深层特征。

相似文章

计量
文章访问数: 11
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊