卷积神经网络在农业遥感图像语义分割中的应用综述
文献类型: 中文期刊
第一作者: 徐乐园
作者: 徐乐园;毛克彪;郭中华;葛非凡;赵瑞
作者机构:
关键词: 卷积神经网络;语义分割;遥感;像素准确率
期刊名称: 农业展望
ISSN: 1673-3908
年卷期: 2024 年 002 期
页码: 70-75
摘要: 卷积神经网络是一种特殊的人工神经网络,通过卷积核遍历图获取更多的目标特征信息。近年来,遥感技术发展迅速并被广泛应用于土地利用分析、作物分类识别、作物生长监测和病虫害检测,卷积神经网络为提取农业遥感图像的有效信息提供了新方法。卷积神经语义分割网络可根据语义信息对遥感图像像素点进行标注分割,在计算机计算能力逐步提高的前提下,分割网络结构优化,深度加深,分割准确率提高,性能提升。针对实际需要网络侧重于模块化设计改进,在土地利用分析和农作物分类识别应用中,改进的网络分割边缘细化、清晰,且像素准确率较高。在作物生长监测和病虫害识别方面,模块化改进使网络可高效实现分割任务、满足实际需要,卷积神经网络对农业遥感图像信息的语义分割为农业现代化和精细化管理提供了信息支撑。
分类号: S127%TP183%TP751
- 相关文献
[1]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023
[2]基于GF-2卫星数据的日光温室智能识别应用实践. 白冰,卢闯,罗玉柱,彭秀媛. 2022
[3]基于语义分割模型和遥感的柑橘园空间信息提取. 董秀春,蒋怡,杨玉婷,郭涛,李宗南,李章成. 2023
[4]基于U-Net的甘蔗提取方法. 董秀春,蒋怡,王思,李宗南,王昕. 2019
[5]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022
[6]基于改进坐标注意力和U-Net神经网络的淡水养殖区提取. 张欣,戴佩玉,李卫国,任妮,毛星. 2023
[7]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019
[8]基于深度学习的遥感影像耕地地块边界提取应用. 马海荣. 2023
[9]基于CT图像和RAUNet-3D的玉米籽粒三维结构测量. 杜建军,李大壮,廖生进,卢宪菊,郭新宇,赵春江. 2022
[10]基于改进UperNet的结球甘蓝叶球识别方法. 朱轶萍,吴华瑞,郭旺,吴小燕. 2024
[11]基于语义分割和可见光谱图的作物叶部病斑分割方法. 李凯雨,张慧,马浚诚,张领先. 2023
[12]基于HRNet-OCR模型的农村宅基地提取方法. 韦任,范蓓蕾,赵子娟,杨荣超. 2022
[13]面向农机自动驾驶的农田边界线预测方法. 卢昊,王昊,付卫强,温昌凯,梅鹤波,单永超,秦维贤,孟志军. 2024
[14]基于混合扩张卷积和注意力的黄瓜病害严重度估算方法. 李凯雨,朱昕怡,马浚诚,张领先. 2023
[15]采用改进Unet网络的茶园导航路径识别方法. 赵岩,张人天,董春旺,刘中原,李杨. 2022
[16]基于VGG-UNet的食用菌菌丝体表型参数自动测量方法. 陈燕,陆嘉豪,胡小春,祁亮亮. 2024
[17]基于多源卫星遥感影像的广西中南部地区甘蔗识别及产量预测. 罗维,李修华,覃火娟,张木清,王泽平,蒋柱辉. 2024
[18]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
[19]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
[20]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
作者其他论文 更多>>
-
深度学习在农业领域的研究与应用
作者:梁美静;毛克彪;郭中华;袁紫晋
关键词:深度学习;农业应用;卷积神经网络;递归神经网络;智慧农业
-
深度信念网络在农业信息领域中的应用研究
作者:赵瑞;毛克彪;郭中华;胡泽民;徐乐园;葛非凡
关键词:深度信念网络;农业信息;深度学习;机器学习技术
-
中国地表温度时空变化及驱动因素分析
作者:毛克彪;严毅博;赵冰;袁紫晋;曹萌萌
关键词:数据重建;地表温度;MODIS;时空变化
-
全球近40年地表温度时空变化分析
作者:蔡飘雪;毛克彪;孟飞;袁紫晋
关键词:ERA5;地表温度;全球;时空变化
-
基于大数据的遥感参数人工智能反演范式理论形成与工程技术实现
作者:毛克彪;袁紫晋;施建成;武胜利;胡德勇;车进;董立新
关键词:人工智能;深度学习;反演范式;物理逻辑推理;大数据
-
基于上下文编码器的图像修复算法
作者:任鹏博;毛克彪
关键词:图像修复;深度学习;卷积神经网络(CNN);自动编码器(AE);生成对抗网络(GAN)
-
几种神经网络经典模型综述
作者:黄东瑞;毛克彪;郭中华;徐乐园;胡泽民;赵瑞
关键词:深度学习;卷积神经网络(CNN);循环神经网络(RNN);生成对抗网络(GAN);图神经网络(GNN)