基于高光谱和深度学习的水稻秸秆覆盖度遥感估算

文献类型： 中文期刊

第一作者： 岳继博

作者： 岳继博;李婷;宋洁;田庆久;刘杨;冯海宽

作者机构：

关键词： 卷积神经网络;水稻秸秆覆盖度;深度学习;迁移学习

期刊名称： 河南农业大学学报

ISSN： 1000-2340

年卷期： 2024 年 58 卷 005 期

页码： 838-851

收录情况： 北大核心 ; CSCD

摘要： [目的]设计一种结合高光谱遥感、卷积神经网络和迁移学习技术的田间水稻秸秆覆盖度(RRC)信息提取方法.[方法]1)实验室测量了多种土壤含水量、水稻秸秆含水量和 RRC 的"土壤-水稻秸秆"混合光谱.2)基于视觉几何组网络设计了水稻秸秆覆盖度高光谱网络(RRChyperNet)模型,该模型融合深层和浅层网络特征开展 RRC估算.3)基于实验室实测和田间实测"土壤-水稻秸秆"混合光谱评估了使用 RRChyperNet模型开展田间 RRC估算的可行性.使用决定系数(R2)和均方根误差(RMSE)评估田间 RRC 信息提取的准确性.[结果]1)RRChyperNet可用于开展田间 RRC信息高精度估算(R2=0.953,RMSE=0.085).2)基于预训练的 RRChyper-Net结合迁移学习方法能够实现对研究区 RRC高精度估算(R2=0.867,RMSE=0.093),其精度明显高于广泛使用的随机森林和支持向量机回归模型(R2=0.686~0.691,RMSE=0.122~0.128).3)研究仅基于水稻秸秆开展了 RRChyperNet模型训练和性能测试,其针对小麦、玉米等秸秆覆盖度信息提取精度仍需要未来更多的试验来验证.[结论]RRChyperNet能够提供高精度的田间水稻秸秆覆盖度信息,为动态掌握农田保护性耕作实施进度和落实农业生态环境保护建设提供技术支持.

分类号： S127

  • 相关文献

[1]基于机器学习和无人机图像的棉花密度识别研究. 张静,王清茹,雷亚平,王占彪,韩迎春,李小飞,邢芳芳,范正义,李亚兵,冯璐. 2021

[2]机器视觉结合深度学习对荔枝估产的算法研究. 高翔,陈福展,董力中,卢嘉威,李媛媛,凡超,陈万云. 2024

[3]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

[4]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[5]基于迁移学习的多模型水稻病害识别方法研究. 王忠培,张萌,董伟,朱静波,孔娟娟,钱蓉. 2021

[6]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

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]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

[14]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

[15]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

[16]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

[17]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

[18]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

[19]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[20]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

作者其他论文 更多>>

微信小程序