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

融合ResNet与支持向量机的葡萄园冠层图像叶片覆盖度分类

文献类型： 中文期刊

作者： 代国威 1 ; 陈稼瑜 1 ; 樊景超 1 ;

作者机构： 1.中国农业科学院农业信息研究所

关键词： 残差网络;支持向量机;近邻成分分析;葡萄园冠层;叶片覆盖度;分类

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2023 年 39 卷 008 期

页码： 1713-1721

收录情况： 北大核心 ; CSCD

摘要： 在视觉感知的基础上,实现作物智能喷洒作业管理是智慧农业重要的组成部分.针对葡萄园智能喷洒作业的需要,本研究构建了一种融合残差网络(ResNet)和支持向量机模型的葡萄园冠层图像叶片覆盖度分类方法.在对葡萄园冠层图像数据集进行数据增强的基础上,利用不同卷积层数的ResNet模型(ResNet-18、ResNet-34和ResNet-50)提取图像特征向量,结合近邻成分分析(NCA)算法及不同分类模型(Cubic SVM、RBF SVM、Linear SVM、DT、BT、Bayes、KNN、RF),筛选出最优葡萄园冠层图像叶片覆盖度分类方法.结果表明:残差网络模型卷积层数的增加,有利于提高模型的分类精度;葡萄园冠层图像叶片覆盖度适宜的分类方法是利用ResNet-18、ResNet-34和ResNet-50 各提取1000个特征向量,进一步利用NCA算法筛选出1000个权重值较大的特征向量,并利用Cubic SVM模型进行分类.该方法较好实现了模型训练时间和分类精度的平衡,既能大幅减少冗余的特征向量,缩短训练时间,还可以保证模型的分类精度.该方法下模型的分类准确率、精确率、召回率分别达 98.32%、97.41%、98.73%.本研究建立的葡萄园冠层图像叶片覆盖度分类方法为智慧化的果园管理提供了有效的技术支持.

  • 相关文献

[1]基于Log-Gabor小波和Krawtchouk矩的遥感图像分类. 吴一全,陶飞翔,曹照清. 2016

[2]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[3]基于深度残差网络的麦穗回归计数方法. 刘航,刘涛,李世娟,李路华,吕纯阳,刘升平. 2021

[4]木霉属真菌的分离与鉴定. 顾金刚,李世贵,刘卫星,隋聪颖,王雯雯,闫峰,姜瑞波. 2009

[5]细胞因子研究进展. 窦永喜,景志忠. 2003

[6]陇东海棠研究现状及应用前景. 王昆,刘凤之,高源. 2010

[7]含水量对土壤有机质含量高光谱估算的影响研究. 司海青. 2015

[8]基于支持向量机理论的土壤水分预测模型研究. 丁铁山,董汝瑞,温季. 2011

[9]河南省新乡市水资源承载力评价研究. 宰松梅,温季,仵峰,孙浩. 2011

[10]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

[11]基于参数优化支持向量机的水稻施氮水平分类研究. 周琼,杨红云,杨珺,孙玉婷,杨文姬,石强强. 2017

[12]基于支持向量机的鱼群摄食行为识别技术. 陈彩文,杜永贵,周超,孙传恒. 2018

[13]基于支持向量机回归预测水稻叶片SPAD值. 孙玉婷,王映龙,杨红云,周琼,杨文姬. 2018

[14]支持向量机的动物血液光谱特征提取和识别分类. 卢鹏飞,范雅,周林华,钱军,刘林娜,赵思言,孔之丰,高斌. 2017

[15]RGB与HSI色彩空间下预测叶绿素相对含量的研究. 孙玉婷,王映龙,杨红云,周琼,孙爱珍,杨文姬. 2018

[16]基于高光谱的水稻叶片氮素营养诊断研究. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华. 2019

[17]基于SVM的酒店客户评论情感分析. 石强强,赵应丁,杨红云. 2017

[18]基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测. 屈莎,李振海,邱春霞,杨贵军,宋晓宇,陈召霞,刘畅. 2017

[19]基于图像特征的水稻叶片全氮含量估测模型研究. 杨红云,罗建军,孙爱珍,万颖,易文龙. 2020

[20]基于THz-TDS反射成像技术的玉米种子活力无损检测研究. 吴静珠,李晓琪,刘翠玲,余乐,孙晓荣,孙丽娟. 2020

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