收藏本站
《农业工程学报》 2018年11期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

空洞卷积结合全局池化的卷积神经网络识别作物幼苗与杂草

孙俊  何小飞  谭文军  武小红  沈继锋  陆虎  
【摘要】:针对传统Alex Net模型参数大、特征尺度单一的问题,该文提出一种空洞卷积与全局池化相结合的多尺度特征融合卷积神经网络识别模型。通过对初始卷积层的卷积核进行膨胀,以增大其感受野而不改变参数计算量,并采用全局池化代替传统的全连接层来减少模型的参数。通过设置不同膨胀系数的初始卷积层卷积核与全局池化层类型,以及设置不同Batch Size,得到8种改进模型,用于训练识别共12种农作物幼苗与杂草,并从建立的模型中选出最优模型。改进后的最优模型与传统Alex Net模型相比,仅经过4次训练迭代,就能达到90%以上的识别准确率,平均测试识别准确率达到98.80%,分类成功指数达到96.84%,模型内存需求减少为4.20 MB。实际田间预测野芥与雀麦幼苗的准确率都能达到75%左右,说明该文最优模型对正常情况下的幼苗识别性能较好,但对复杂黑暗背景下的甜菜幼苗准确率为60%,对恶劣背景下的识别性能还有待提升。由于模型使用了更宽的网络结构,增加了特征图的多尺度融合,保持对输入空间变换的不变性,故对正常情况下不同作物幼苗与杂草的识别能力较强。该文改进模型能达到较高的平均识别准确率及分类成功率,可为后续深入探索复杂田间背景下的杂草识别以及杂草与幼苗识别装置的研制打下基础。

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 孙俊;何小飞;谭文军;武小红;沈继锋;陆虎;;空洞卷积结合全局池化的卷积神经网络识别作物幼苗与杂草[J];农业工程学报;2018年11期
2 马伟;王秀;陈立平;张东彦;;温室智能装备系列之九十一 基于图像特征的温室杂草信息获取技术研究[J];农业工程技术;2017年10期
3 吕俊伟,马成林,左春柽;用彩色图像识别田间洋葱和杂草的研究(英文)[J];农业工程学报;2001年05期
4 赵博;毛恩荣;毛文华;张小超;宋正河;;农业车辆杂草环境下视觉导航路径识别方法[J];农业机械学报;2009年S1期
5 赵娜;;基于机器视觉的田间杂草识别技术研究[J];无线互联科技;2016年23期
6 刘娅静;杨帆;浦昭邦;;基于颜色特征的杂草图像分割技术研究[J];微计算机信息;2007年18期
7 毛罕平;胡波;张艳诚;于国英;;机器视觉识别杂草中除草剂喷洒参数的优化[J];仪器仪表学报;2008年04期
8 Allied Vision Technologies;张丹丹;;机器视觉运用于田间——消除杂草[J];国内外机电一体化技术;2014年05期
9 龙满生;何东健;;玉米苗期杂草的计算机识别技术研究[J];农业工程学报;2007年07期
10 吴兰兰;刘俭英;文友先;;基于分形维数的玉米和杂草图像识别[J];农业机械学报;2009年03期
中国重要会议论文全文数据库 前2条
1 毛文华;胡小安;张小超;;基于机器视觉的田间杂草识别系统[A];农业机械化与新农村建设——中国农业机械学会2006年学术年会论文集(下册)[C];2006年
2 许鹏;左广霞;黎素芬;秦晋;;具有信息屏障功能的神经网络识别系统的方案设计[A];国家安全地球物理丛书(七)——地球物理与核探测[C];2011年
中国博士学位论文全文数据库 前1条
1 李志臣;基于机器视觉的杂草对准喷药控制系统研究[D];南京农业大学;2007年
中国硕士学位论文全文数据库 前10条
1 韦兴竹;基于模糊分类和特征融合技术的杂草分类研究[D];东北林业大学;2015年
2 金飞剑;基于机器视觉的杂草图像特征提取及识别研究[D];江苏大学;2007年
3 熊锋;基于双目立体视觉的杂草定位技术研究[D];江苏大学;2008年
4 聂笑一;基于机器视觉的杂草识别技术研究[D];中南大学;2009年
5 夏雨;早期玉米苗与杂草的自动辨识算法研究[D];哈尔滨工业大学;2017年
6 刘娅静;基于计算机视觉的麦田杂草识别技术研究[D];河北工业大学;2007年
7 夏利兵;基于角点特征的双目视觉杂草定位系统研究[D];江苏大学;2009年
8 康恋恋;基于图像处理的玉米与杂草机器视觉分类模型的设计[D];山西农业大学;2015年
9 王月青;基于机器视觉的麦田杂草识别方法研究[D];中国农业大学;2004年
10 刘剑;基于Android平台的玉米田间杂草的识别系统设计[D];山西农业大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026