基于3D卷积的高光谱玉米地块识别模型设计与实现

文献类型： 中文期刊

第一作者： 虞豹

作者： 虞豹;周蕊;李波;王克晓;黄祥

作者机构：

关键词： 高光谱影像;深度学习;3D卷积神经网络;玉米;地块识别模型

期刊名称： 南方农业

ISSN： 1673-890X

年卷期： 2022 年 021 期

页码： 103-106,114

摘要： 种植地块的精准识别是开展玉米农情监测的基础。受山地地形、影像的分辨率和提取方法限制，如何及时准确地获取玉米种植信息仍然是目前山地农业需要解决的重大问题之一。为了给基于高光谱影像的玉米地块精准识别与应用提供参考，以高光谱影像玉米地块为研究对象，利用深度学习技术，通过深度学习框架Keras对地物类型样本进行训练，提出了一种3D卷积神经网络模型以提高玉米地块的识别准确率，分类效果Overall Accuracy、Average Accuracy达到90%以上，Kappa系数达到86%以上。该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点。

分类号： S513%S127

  • 相关文献

[1]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[2]基于深度学习的玉米包衣种子品种识别. 冯晓,张辉,刘正,张会芳,陈海燕,赵威,郑国清,马中杰. 2024

[3]基于双解码机制的田间玉米冠层图像分割及昼夜节律解析. 贾海峰,王廷超,洪小丽,舒坤良,黄帅,谭化. 2023

[4]一种基于变权重组合的光谱相似性测度. 张浚哲,朱文泉,董燕生,姜乃文,潘耀忠. 2013

[5]AVIRIS高光谱数据空-谱特征在植被分类中的对比分析. 付元元,杨贵军,段丹丹,张永涛,顾晓鹤,杨小冬,徐新刚,李振海. 2020

[6]分散矩阵特征选择方法改进及在高光谱影像植被分类中的应用. 夏道平,付元元,王纪华,郑晓东. 2016

[7]利用空间-光谱双分支特征和动态选择的高光谱影像农作物分类. 戴佩玉,张欣,毛星,任妮,李卫国. 2023

[8]基于无人机高光谱影像的水稻叶片磷素含量估算. 班松涛,田明璐,常庆瑞,王琦,李粉玲. 2021

[9]基于无人机高光谱影像的火龙果波段筛选研究. 陈智虎,舒田,刘春艳,许元红. 2022

[10]IspecHyper多旋翼无人机高光谱影像处理方法研究. 马灿达,苏秋群,谢国雪,黄启厅,杨绍锷,张秀龙,林垚君. 2024

[11]分数阶微分数据变换在滨海盐渍土盐分反演中的适用性. 潘昊,陈诗扬,李祎森,李映祥,曹怀堂,刘佳. 2025

[12]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[13]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[14]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[15]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[16]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[17]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[18]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[19]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[20]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

作者其他论文 更多>>

微信小程序