基于深度学习的无人机遥感生态灌区杂草分类

被引：24

作者：

王术波 ^{[1
]}

韩宇 ^{[2
]}

陈建 ^{[1
]}

潘越 ^{[1
]}

曹毅 ^{[1
]}

孟灏 ^{[1
]}

机构：

[1] 中国农业大学工学院

[2] 中国农业大学水利与土木工程学院

来源：

排灌机械工程学报 | 2018年 / 11期

基金：

国家重点研发计划;

关键词：

生态灌区; 无人机; 卷积神经网络; 杂草分类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; S252 [飞机在农业上的应用]; S451 [杂草];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0828 ; 0904 ;

摘要：

为了更好地推进生态灌区建设,对灌区内杂草进行检测、控制,提出一种基于卷积神经网络的杂草分类和密度测算方法.通过无人机低空拍摄采集3种杂草(藜草、葎草、苍耳)和3种作物(小麦、花生、玉米)作为数据集,经过裁剪、灰度化等前期处理,并通过旋转方式扩充数据集,最后收集17 115张训练样本和750张测试样本,然后将训练集输送给卷积神经网络,采用Softmax回归,实现6类植物的分类.为降低网络参数,文中试验了100×100和300×300不同分辨率图像对识别精度的影响,分类结果表明300×300分辨率时识别率最高可达到95.6%.另外为实现针对特定杂草的防控,提出了一种检测单一杂草密度的方法,可实现对灌区内各种杂草的精确监控,为后期杂草防控的精准施药提供依据,对实现高效、绿色、安全的现代农业具有重要理论意义和实用价值.

引用

页码：1137 / 1141

页数：5

共 4 条

[1] 基于最小二乘支持向量机的无人机遥感影像分类 [J].

刘伟 ;

赵庆展 ;

汪传建 ;

陈洪 ;

李沛婷 .

江苏农业科学, 2017, 45 (09) :187-191

[2] 生态灌区农田排水沟塘湿地系统的构建和运行管理 [J].

何军 ;

崔远来 .

中国农村水利水电, 2012, (06) :1-3

[3]

Scene classification for aerial images based on CNN using sparse coding technique[J] . Qayyum,Malik,Saad,Iqbal,Faris Abdullah,Rasheed,Rashid Abdullah,Bin Jafaar.International Journal of Remote Sensing . 2017 (8-10)

[4]

Towards real-time 3D object recognition:a lightweight volumetric CNN framework using multitask learning. ZHI S,LIU Y,LI X.et al. Computer Graphics . 2017

← 1 →