当前位置: 首页 > 文章 > 基于全卷积神经网络方法的玉米田间杂草识别 江苏农业科学 2022,50 (6) 93-100
Position: Home > Articles > 基于全卷积神经网络方法的玉米田间杂草识别 Jiangsu Agricultural Sciences 2022,50 (6) 93-100

基于全卷积神经网络方法的玉米田间杂草识别

作  者:
李彧;余心杰;郭俊先
单  位:
浙江大学宁波理工学院;新疆农业大学机电工程学院
关键词:
杂草识别;全卷积神经网络;深度学习;语义分割;U-Net模型;VGG
摘  要:
杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害.要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别.利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集,利用迁移学习技巧,对模型采取非初始参数训练,提升模型识别准确率.结果表明,选择的U-Net模型识别效果最佳,能够有效地克服阴天光照、地膜等因素干扰,实现杂草的快速准确识别,验证集识别正确率96.13%,能够满足杂草识别的实际要求.

相似文章

计量
文章访问数: 50
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊