您好，欢迎访问中国农业科学院 机构知识库！

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

深度学习方法在作物遥感分类中的应用和挑战

文献类型： 中文期刊

作者： 赵红伟 1 ; 陈仲新 1 ; 刘佳 1 ;

作者机构： 1.中国农业科学院农业资源与农业区划研究所

关键词： 深度学习;农作物分类;CNN;LSTM RNN;GRU RNN

期刊名称： 中国农业资源与区划

ISSN： 1005-9121

年卷期： 2020 年 002 期

页码： 35-49

收录情况： 北大核心

摘要： [目的]准确估算作物的面积和分布对粮食安全至关重要.与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性.为有效利用高时空数据进行作物识别提供了新的机遇.已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题.[方法]文章回顾了利用深度学习模型对作物分类的主要研究.N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务.长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题.此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类.该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构.然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度.最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性.[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征.这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的.[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具.此外,与其他模型相比,RCNN, 3-D CNN和GUR RNN具有更大的潜力.

  • 相关文献

[1]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

[2]基于无人机遥感可见光影像的农作物分类. 刘斌,史云,吴文斌,段玉林,赵立成. 2019

[3]极化SAR农作物分类研究进展. 曾妍,王迪,田甜,张影. 2020

[4]无人机遥感的农作物精细分类研究进展. 田甜,王迪,曾妍,张影,黄青. 2020

[5]High Throughput Lung and Lobar Segmentation by 2D and 3D CNN on Chest CT with Diffuse Lung Disease. Xiaoyong Wang,Pangyu Teng,Pechin Lo,Ashley Banola,Grace Kim,Fereidoun Abtin,Jonathan Goldin,Matthew Brown. 2018

[6]SEGMENTING THE KIDNEY ON CT SCANS VIA CROWDSOURCING. Paras Mehta,Veit Sandfort,Daan Gheysens,Gert-Jan Braeckevelt,Jonathan Berte,Ronald M. Summers. 2019

[7]本体知识库构建研究. 李嘉锐. 2015

[8]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

[9]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[10]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[11]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[12]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[13]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

[14]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[15]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

[16]基于U-Net和分水岭算法的无人机单木树冠提取方法. 金忠明,曹姗姗,王蕾,孙伟. 2020

[17]基于深度学习的天然草地植物物种识别方法. 高宏元,高新华,冯琦胜,李文龙,鲁征,梁天刚. 2020

[18]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[19]基于卷积神经网络和AMSR2微波遥感的土壤水分反演研究. 谭建灿,毛克彪,左志远,赵天杰,谭雪兰,李建军. 2018

[20]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：中国农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台