基于卷积神经网络的棉花关键生育时期识别

文献类型： 中文期刊

第一作者： 李明泽

作者： 李明泽;张静;雷亚平;韩迎春;王国平;陈国栋;李亚兵;冯璐

作者机构：

关键词： 卷积神经网络;深度学习;无人机;农艺性状;产量

期刊名称： 核农学报

ISSN： 1000-8551

年卷期： 2024 年 38 卷 010 期

页码： 2020-2031

收录情况： 北大核心 ; CSCD

摘要： 为实现棉花生育时期的快速识别,本研究将无人机遥感与图像识别和深度学习技术相结合,以不同品种、不同种植密度的棉花为研究对象,基于搭载RGB相机的无人机获取棉花不同生育时期的冠层图像,对获取的图像进行分割,并将分割后的图像数据集作为输入向量训练卷积神经网络模型(VGGNet19和GoogleNet),建立识别棉花关键生育时期的模型,然后通过对比分析2个学习率(0.0001和0.0005)和4个dropout(0.4、0.5、0.6、0.7)组成的8个训练模型,筛选出最优模型.结果表明,GoogleNet训练模型在学习率为0.0001、dropout为0.6时的准确率最高(98.06%),性能评估指标最好;而VGGNet19训练模型在学习率为0.0005、dropout为0.5时的准确率最高(72.26%),评估效果最好.综合对比模型训练结果、训练轮数、预测集测试结果以及性能评价,GoogleNet卷积神经网络(CNN)模型对棉花关键生育时期识别的效果优于VGGNet19模型,且学习率为0.0001、dropout为0.6时的GoogleNet训练模型是识别棉花关键生育时期的最优模型.本研究为棉花生育时期的快速识别提供了技术支撑,也为其他农作物的生育期研究提供了借鉴方法.

分类号：

  • 相关文献

[1]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

[2]卷积神经网络及其在田间杂草管理中应用的研究进展. 张金梦,张倩,王明,谭雅蓉,陶震宇,于金莹. 2024

[3]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

[4]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

[5]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[6]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[7]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

[8]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

[9]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[10]一种边缘辅助的卫星影像云修复卷积神经网络. 张雨姝,戴佩玉. 2024

[11]基于卷积神经网络的家蚕病害识别研究. 石洪康,肖文福,黄亮,胡丛武,胡光荣,张剑飞. 2022

[12]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[13]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[14]基于3-2D融和模型的毛虾捕捞渔船行为识别. 张佳泽,张胜茂,王书献,杨昱皞,戴阳,熊瑛. 2022

[15]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[16]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[17]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

[18]常态养殖下妊娠母猪体质量智能测定模型. 肖德琴,刘俊彬,刘又夫,黄一桂,谭祖杰,熊本海. 2022

[19]深度学习在农业领域的研究与应用. 梁美静,毛克彪,郭中华,袁紫晋. 2024

[20]基于脸部RGB-D图像的牛只个体识别方法. 刘世锋,常蕊,李斌,卫勇,王海峰,贾楠. 2023

作者其他论文 更多>>

微信小程序