文献类型： 中文期刊

作者： 刘一磊 ¹ ; 刘江平 ¹ ; 赵烜赫 ¹ ; 马玉宝 ¹ ; 闫伟红 ¹ ; 潘新 ¹ ;

作者机构： 1.内蒙古农业大学计算机与信息工程学院;内蒙古电子信息职业技术学院;中国农业科学院草原研究所

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 01 期

页码： 88-95

收录情况： 北大核心 ; CSCD

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。