基于深度卷积神经网络的红树林物种无人机监测研究

文献类型： 中文期刊

第一作者： 黄亦其

作者： 黄亦其;刘琪;赵建晔;黄文善;孙中宇;乔曦

作者机构：

关键词： 红树林监测;图像处理;深度学习;卷积神经网络;无人机

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2020 年 02 期

页码： 141-146+189

收录情况： 北大核心

摘要： 红树林生态系统具有重要的生态价值和经济价值。但是近年来由于人类活动、环境污染等因素红树林的面积日益减少,红树林的保护变得极其迫切且重要。提出一种基于深度学习的红树林物种监测方法,以无人机采集红树林待监测区域图像为研究对象,基于LeNet-5模型结构构建深度卷积神经网络模型,将得到的新的网络模型命名为LeNet-5(2)。在新的卷积神经网络模型中,利用Leaky-ReLU激活函数解决模型中容易出现的梯度消失的问题,并且采用dropout技术提高网络模型的泛化能力,解决网络模型中容易出现的过拟合问题。利用LeNet-5(2)网络模型对红树林图像进行物种识别并标记,总体识别准确率87.31%,基本映射红树林各类物种的分布情况,预测出图像中4类红树林物种的面积分别为:白骨壤1 578.31 m~2、红海榄162.07 m~2、木榄58.94 m~2、秋茄871.79 m~2。将预测结果与图像中红树林物种的实际分布进行比较,总体上符合四类物种的实际分布情况。

分类号： TP183`S718.5

  • 相关文献

[1]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

[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]基于卷积神经网络的棉花关键生育时期识别. 李明泽,张静,雷亚平,韩迎春,王国平,陈国栋,李亚兵,冯璐. 2024

[4]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

[5]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

[6]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

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]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

[14]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

[15]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

[16]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[17]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

[18]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

[19]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

[20]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

作者其他论文 更多>>

微信小程序