数字农科院2.0

基于MSRA初始化卷积神经网络的草地牧草分类研究

文献类型： 中文期刊

作者： 刘一磊;刘江平;赵烜赫;马玉宝;闫伟红;潘新

作者机构：

关键词： 高光谱图像;识别分类;卷积神经网络;MSRA初始化;

期刊名称：光电子·激光

ISSN： 1005-0086

年卷期： 2021 年 32 卷 01 期

页码：

收录情况： 北大核心（2020版） ; CSCD（2020-2021年度）

摘要： 草地牧草的分类与识别是草原研究与监测的重要环节,利用高光谱成像技术和卷积神经网络进行牧草种类的识别判断,为实现草地牧草自动分类与数字化治理提供了新的途径。本文提出了基于MSRA初始化卷积神经网络的草地牧草高光谱图像自动识别与分类的方法。主要过程包括图像预处理、裁剪、特征提取和识别分类四个环节,首先预处理采用改进的自适应波段选择法进行波段提取,然后将提取后的数据压缩成新图像进行裁剪,最后进入MSRA初始化卷积神经网络提取特征并进行识别分类。本文针对卷积神经网络的鲁棒性、稳定性和识别率等问题创新性的提出了MSRA初始化方法,通过初始化设置参数和权值,使网络的性能得到提升,提高识别准确率。本文对实地采集的蒙古冰草、老麦芒、紫羊毛草、燕麦、黄花杂交苜蓿、光穗冰草6种牧草进行识别分类,为保证实验的可靠性与准确性,对训练集和测试集进行多次划分及多次交叉验证实验。实验结果表明,本文提出的MSRA初始化卷积神经网络相比于SVM、KNN、2D-CNN等方法,对草地牧草高光谱图像的识别准确率较高,达到96.50%。实验结果证明本方法具有良好的分类性能和可行性,为草地牧草的识别分类提供了新思路。

分类号：

  • 相关文献

[1]采用改进U-Net网络的机收大豆质量在线检测. 金诚谦,刘士坤,陈满,杨腾祥,徐金山. 2022

[2]高光谱图像信息的柑橘叶片光合色素含量分析技术研究. 田喜,何绍兰,吕强,易时来,谢让金,郑永强,廖秋红,邓烈. 2014

[3]一种草地高光谱图像分类方法. 武林,马玉宝,潘新,闫伟红,段俊杰. 2018

[4]柑橘花钾素营养的高光谱表征. 刘艳丽,何绍兰,吕强,易时来,谢让金. 2014

[5]基于高光谱图像光谱与纹理信息的生菜氮素含量检测. 孙俊,金夏明,毛罕平,武小红,朱文静,张晓东,高洪燕. 2014

[6]基于高光谱成像技术和深度学习的烤后烟叶品种分类判别. 孟令峰,邢富康,韦克苏,王爱华,程昌新,曹娜,林跃平,王松峰,朱荣光. 2024

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]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

[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>>