基于迁移学习和卷积神经网络的生菜鲜重估测

文献类型： 中文期刊

第一作者： 崔庭源

作者： 崔庭源;杨其长;张义;徐丹;马浚诚

作者机构：

关键词： 生菜;鲜重估测;卷积神经网络;迁移学习

期刊名称： 中国农业大学学报

ISSN： 1007-4333

年卷期： 2022 年 27 卷 011 期

页码： 197-206

收录情况： 北大核心 ; CSCD

摘要： 为提高设施生产中对各生长阶段生菜鲜重的无损估测精度进而更好地指导生产,提出一种利用生菜冠层图像为输入,基于迁移学习技术和卷积神经网络估测鲜重的方法,对比分析AlexNet、VGG-16、GoogLeNet和ResNet-18模型迁移学习后在生菜鲜重估测任务上的效果;同时,对比不同迁移学习方法对模型性能的影响,通过冻结卷积层和减少全连接层改善模型的参数量和训练速度.结果表明:1)AlexNet和VGG-16两种模型能较好的实现生菜鲜重的估测,AlexNet模型的决定系数R2为0.928 0,标准均方根误差NRMSE为19.08%,VGG-16模型的R2为0.938 0,NRMSE为17.71%,但VGG-16模型存在参数量大训练慢的问题,综合考虑选取AlexNet模型迁移学习后作为生菜鲜重估测模型;2)与全新学习方法相比,在预训练模型基础上对生菜鲜重数据集进行迁移学习,可以明显提升生菜鲜重估测模型的训练速度和准确度;3)冻结卷积层能显著加快模型的训练速度,训练时间可减少18%,减少全连接层在保持精度的前提下能大幅度减少模型的参数量.基于迁移学习的卷积神经网络模型可用于生菜鲜重的快速估测,该方法也可以拓展应用到其他叶类蔬菜的鲜重估测中.

分类号： S436.412%TP391.41

  • 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]基于高光谱和深度学习的水稻秸秆覆盖度遥感估算. 岳继博,李婷,宋洁,田庆久,刘杨,冯海宽. 2024

[4]基于卷积神经网络的生菜多光谱图像分割与配准. 黄林生,邵松,卢宪菊,郭新宇,樊江川. 2021

[5]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

[6]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

[7]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

[8]基于深度残差网络的小样本杯沿缺陷检测. 金宇霏,陆慧娟,郭鑫璐,张俊,朱文杰. 2021

[9]基于改进DeepLab v3+模型和迁移学习的高分遥感耕地信息提取方法. 毛星,金晶,张欣,戴佩玉,任妮. 2023

[10]基于CycleGAN和注意力增强迁移学习的小样本鱼类识别. 刘世晶,刘阳春,钱程,郑浩君,周捷,张成林. 2023

[11]小样本目标检测研究综述. 刘春磊,陈天恩,王聪,姜舒文,陈栋. 2023

[12]基于多尺度和注意力机制的番茄病害识别方法. 张宁,吴华瑞,韩笑,缪祎晟. 2021

[13]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

[14]基于改进Unet++的丘陵地区耕地地块深度分割与提取. 张海天,高懋芳,任超. 2022

[15]基于TMU-Net网络的苹果果心分割方法. 刘长勇,李思佳,史慧,查志华,邓红涛. 2022

[16]基于迁移学习的嫩江市主要农作物遥感分类. 吴禹瑨,李禹萱,宋茜,任超,冷佩. 2023

[17]面向地震波初至智能拾取的超分辨率深度残差方法研究. 李建平,张硕伟,丁仁伟,麻晓敏,赵俐红,赵硕. 2023

[18]面向不平衡数据的木薯叶部病害图像识别方法. 王丹阳,梁伟红,李玉萍,黄贵修. 2025

[19]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

[20]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

作者其他论文 更多>>

微信小程序