基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类

文献类型： 中文期刊

第一作者： 吴叶兰

作者： 吴叶兰;管慧宁;廉小亲;于重重;廖禺

作者机构：

关键词： 柑橘病叶;高光谱成像;深度学习;注意力机制;特征提取

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2023 年 54 卷 001 期

页码： 216-223

收录情况： EI ; 北大核心 ; CSCD

摘要： 为实现对柑橘叶片病虫药害种类的快速精准识别,针对多种类柑橘病叶设计一种融合注意力机制(Attention mechanism)的双向门控循环单元-循环神经网络(Attention-bidirectional gate recurrent unit-recurrent nural network,Att-BiGRU-RNN)分类模型.该模型在编解码模块分别采用BiGRU和RNN结构,能够利用高光谱数据前后波段光谱信息的关联性,有效提取光谱信息的深层特征;根据不同波段光谱信息的差异性引入注意力机制动态分配权重信息,提高重要光谱特征对分类模型的贡献率,提升模型的分类准确率.获取6类柑橘叶片高光谱信息,构建实验样本集,利用Att-BiGRU-RNN、VGG16、SVM和XGBoost分别建立柑橘病叶分类模型,Att-BiGRU-RNN模型总体分类准确率(Overall accuracy,OA)平均可达98.21%,相较于其他3种模型分别提高4.71、10.95、3.89个百分点,对光谱曲线重合度高的除草剂危害和煤烟病叶片的分类准确率有显著提升.实验结果表明,深度学习方法可有效利用高光谱不同波段间的关联信息,识别准确率较机器学习方法有大幅提高,为柑橘病虫药害快速无损检测和防治提供了一种新方法.

分类号： O433.4%S436.661

  • 相关文献

[1]增强型双重Unet(ED-Unet)烟叶病斑分割模型的建立. 陈自立,彭一龙,王从胜,王爱国,刘剑君,王来刚,林卫,郭燕. 2025

[2]高光谱成像的多种类柑橘病虫药害叶片检测方法研究. 吴叶兰,管慧宁,廉小亲,于重重,廖禺,高超. 2022

[3]高光谱成像技术定量可视化检测熟牛肉中挥发性盐基氮的含量. 杨东,陆安祥,王纪华. 2017

[4]高光谱成像技术在水果品质无损检测中的研究进展. 陈龙跃,段丹丹,王凡,孟翔宇,赵冲,钱英军. 2023

[5]基于注意力机制和多尺度残差网络的农作物病害识别. 黄林生,罗耀武,杨小冬,杨贵军,王道勇. 2021

[6]融合亮度自适应模块的端到端低光环境黑猪检测技术研究. 黄梦真,李皞,胡桓浚,李梓芃,盛钟尹,刘义凡,夏震言,郑奥运. 2025

[7]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

[8]基于YOLOX改进模型的茶叶嫩芽识别方法. 俞龙,黄楚斌,唐劲驰,黄浩宜,周运峰,黄永权,孙佳琪. 2022

[9]基于注意力机制的农业文本命名实体识别. 赵鹏飞,赵春江,吴华瑞,王维. 2021

[10]基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究. 刘璎瑛,曹晅,郭彬彬,陈慧杰,戴子淳,龚长万. 2023

[11]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[12]基于改进DeepLabV3+的梨树冠层分割方法. 陈鲁威,曾锦,袁全春,夏烨,潘健,吕晓兰. 2024

[13]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[14]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[15]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[16]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[17]基于改进YOLOv8n的茶树嫩芽识别. 杨肖委,沈强,罗金龙,张拓,杨婷,戴宇樵,刘忠英,李琴,王家伦. 2024

[18]基于深度学习结合高光谱技术的大豆种子活力检测方法. 任亚举,王瑞敏,薛冬,周琰琰,陈新,袁星星,闫强,罗楚平. 2025

[19]基于改进YOLOv5s的咖啡果实成熟度检测方法. 罗锟鹏,文勇,曾志康. 2025

[20]基于改进ResNet50的马铃薯识别与分类方法研究. 王健文,刘成忠,韩俊英,曲亚英,马柏雄. 2025

作者其他论文 更多>>

微信小程序