基于子图选择的土种识别-以重庆市璧山区紫色土为例

文献类型： 中文期刊

第一作者： 陈怡达

作者： 陈怡达;曾绍华;吴雪;王帅;刘国一;周鹏

作者机构：

关键词： 土种识别;子图选择;深度学习;土壤图像

期刊名称： 重庆师范大学学报(自然科学版)

ISSN： 1672-6693

年卷期： 2024 年 003 期

页码： 59-72

收录情况： 北大核心 ; CSCD

摘要： 针对机器视觉野外自然条件下采集土壤图像包含阴影、空洞、缝隙等可能对土种识别产生影响的因素，和土壤图像采集、标记成本高，样本量小的问题，提出一种基于土壤子图选择的土种识别方法。该方法以局部阴影最小化及空间距离最大化为准则，构造最优化模型；并基于最大最小距离算法思想，迭代更新距离矩阵求解优化模型，获得选择子图中心点，构建土壤子图数据集。实验结果显示：土壤子图选择算法构建的数据集在3个不同深度ResNet模型下训练、识别测试，均有较好的训练、识别精度；在土壤子图选择α参数为1、子图尺寸为224时，在浅层网络ResNet-18下能达到最佳测试结果，训练的网络模型在验证集识别准确率为92.48%,测试集识别准确率为92.95%,相较于土壤原图数据集的最佳土种识别结果提升46.65%;利用最小外接矩阵能加速相较于不使用加速，子图选择算法提升运算速度38.88%。基于子图选择的土种识别大幅度提升了土种识别准确率，证明算法是有效的。

分类号： TP391.41%S155

  • 相关文献

[1]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

[2]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

[3]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

[4]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

[5]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

[6]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[7]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

[8]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

[9]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

[10]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[11]蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试. 李华龙,李淼,詹凯,刘先旺,杨选将,胡泽林,郭盼盼. 2020

[12]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

[13]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[14]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[15]基于深度学习的油菜籽粒图像分割方法初探. 彭顺正,黄筑斌,岳延滨,吴小波. 2020

[16]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

[17]基于Faster R-CNN的美国白蛾图像识别模型研究. 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚. 2020

[18]基于U-Net和分水岭算法的无人机单木树冠提取方法. 金忠明,曹姗姗,王蕾,孙伟. 2020

[19]基于深度学习的天然草地植物物种识别方法. 高宏元,高新华,冯琦胜,李文龙,鲁征,梁天刚. 2020

[20]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

作者其他论文 更多>>

微信小程序