数字农科院2.0

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

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 11 期

页码：

收录情况： 北大核心（2020版） ; ; CSCD（2021-2022年度） ; ; 科技核心（2021版） ; ; 农林核心（2020版）

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：

  • 相关文献

[1]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

[2]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

[3]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

[4]融合迁移学习和集成学习的自然背景下荒漠植物识别方法. 王亚鹏,曹姗姗,李全胜,孙伟. 2023

[5]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

[6]基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算. 马浚诚,刘红杰,郑飞翔,杜克明,张领先,胡新,孙忠富. 2019

[7]基于卷积神经网络的温室黄瓜病害识别系统. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[8]基于卷积神经网络的冬小麦麦穗检测计数系统. 张领先,陈运强,李云霞,马浚诚,杜克明. 2019

[9]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

[10]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019

[11]基于卷积神经网络的水稻纹枯病图像识别. 刘婷婷,胡林,王婷. 2019

[12]一种基于密度估计和VGG-Two的大豆籽粒快速计数方法. 王莹,李越,武婷婷,孙石,王敏娟. 2021

[13]基于MSRA初始化卷积神经网络的草地牧草分类研究. 刘一磊,刘江平,赵烜赫,马玉宝,闫伟红,潘新. 2021

[14]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[15]基于集成深度学习模型的耕地地块提取. 程锐,魏妍冰,陆苗,吴文斌. 2022

[16]基于卷积神经网络的互花米草识别研究. 李岩舟,何艳洲,覃锋,钱万强,吴媚,乔曦. 2023

[17]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

[18]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

[19]基于剪枝的植物病害识别方法. 朱冬琴,冯全,张建华. 2023

[20]深度学习在植物叶部病害检测与识别的研究进展. 邵明月,张建华,冯全,柴秀娟,张凝,张文蓉. 2022

作者其他论文 更多>>