先验阈值优化卷积神经网络的作物覆盖度提取算法

发布时间：2018-04-27 20:42

  本文选题：农业气象 + 覆盖度　； 参考：《信号处理》2017年09期

【摘要】：农作物的生长观测是农业气象观测的一个重要部分,作物的覆盖度反映了环境对作物综合影响的结果,传统的先验阈值分割法受作物图像中存在的田间杂物、下雨或施肥后的土地以及光照阴影影响较大,会存在误分割的情况,针对这些问题,本文研究基于深度学习的作物与背景的自动分割问题,提出基于RGB和HSI关系阈值法优化的卷积神经网络(RGB-HSI-CNN)的作物图像分割提取覆盖度方法,解决了光照、遮挡、阴影等影响,取得了平均98.3%的模型准确率和97.53%的像素准确率,为后续作物生长状况监测以及农作物病虫草害的识别、监测等提供了有力支持。
[Abstract]:Crop growth observation is an important part of agrometeorological observation. Crop coverage reflects the comprehensive effect of environment on crops. The traditional priori threshold segmentation method is affected by the field sundries in crop images. The effect of rain or fertilization on land and light shadow will be great, and there will be false segmentation. In view of these problems, the automatic segmentation of crop and background based on deep learning is studied in this paper. A method of crop image segmentation and coverage extraction based on convolution neural network RGB-HSI-CNN, which is optimized by RGB and HSI relation threshold method, is proposed, which solves the effects of illumination, occlusion and shadow, and achieves an average model accuracy of 98.3% and a pixel accuracy of 97.53%. It can support the monitoring of crop growth status and the identification and monitoring of crop diseases, pests and weeds.
【作者单位】： 北京工业大学信息学部;中国气象局气象探测中心;
【分类号】：S126;TP183;TP391.41

【相似文献】

相关期刊论文 前10条

1 岑红蕾;任玲;马蓉;;神经网络在棉花质量流量预测中的建模研究[J];农业网络信息;2013年12期

2 时君伟;胡敏英;武志富;任振辉;;基于神经网络的视觉图像处理研究[J];安徽农业科学;2009年19期

3 苏超;方崇;黄伟军;;SOM神经网络在农业旱情评价中的应用[J];人民黄河;2011年07期

4 陈莉;朱卫东;;粗集-神经网络在农业工程项目评估中的应用[J];农业工程学报;2006年07期

5 王艳春;张金政;李绍静;王承明;;基于Matlab的神经网络仿真试验设计[J];安徽农业科学;2012年29期

6 张际先;神经网络在农业工程中的应用[J];农业工程学报;1995年01期

7 牛之贤;李武鹏;张文杰;;基于AIGA-BP神经网络的粮食产量预测研究[J];计算机工程与应用;2012年02期

8 楼文高,刘遂庆;区域水资源可持续利用评价的神经网络方法[J];农业系统科学与综合研究;2004年02期

9 潘大丰,李群;神经网络多指标综合评价方法研究[J];农业系统科学与综合研究;1999年02期

10 吴茜;杨宇虹;徐照丽;晋艳;郭焱;劳彩莲;;应用局部神经网络和可见/近红外光谱法估测土壤有效氮磷钾[J];光谱学与光谱分析;2014年08期

相关博士学位论文 前1条

1 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年

相关硕士学位论文 前6条

1 李林蔚;县域耕地质量评价、更新及其时空格局变化分析研究[D];华中农业大学;2015年

2 高铭悦;基于神经网络的安徽省粮食产量组合预测研究[D];安徽农业大学;2016年

3 庄严;农业节水技术潜力评价方法研究[D];中国农业科学院;2006年

4 李武鹏;基于AIGA-BP神经网络的粮食产量预测研究[D];太原理工大学;2011年

5 黄飞;基于AMSR-E和BP神经网络的川中丘陵区土壤水分反演[D];四川农业大学;2012年

6 陈剑;面向精细农业的智能公共服务平台关键技术研究与开发[D];浙江工商大学;2014年

，

本文编号：1812265