基于深度学习的玉米发育期自动识别研究

发布时间：2023-05-08 01:32

　　准确地获取农作物生长发育期信息,可以科学地指导施肥灌溉等农事作业,有效地促进现代农业的发展。玉米是我国的主要农作物之一,其种植地区环境气候复杂多变,及时获取其生长发育状况并实施相关的农事作业是一项重要的任务,因此,玉米发育期自动识别方法是目前农作物生长观测领域的研究热点之一。为了解决传统玉米发育期自动识别方法提取特征效率低,识别效果差的问题,本文把深度学习引入到玉米发育期自动识别研究中,提出了基于卷积神经网络的玉米发育期识别方法,结合迁移学习、图像平均分割预处理和基于多尺寸特征图的检测算法,建立并优化了卷积神经网络模型,实现了高效的玉米发育期自动识别。具体研究内容如下:研究了卷积神经网络基础结构,分析了标准卷积和轻量化卷积方式,分别搭建了标准卷积神经网络框架和轻量化卷积神经网络框架,采用玉米发育期训练集样本进行训练,得到玉米发育期识别的标准卷积神经网络模型和轻量化卷积神经网络模型,对玉米发育期测试集样本进行预测,结果表明,与传统方法相比,卷积神经网络模型的预测正确率更高,且轻量化识别模型比标准识别模型训练速度更快。针对样本不足导致的轻量化卷积神经网络识别模型过拟合问题,利用迁移学习中的...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 技术难点与研究内容
        1.3.1 研究难点
        1.3.2 研究内容及创新点
    1.4 技术路线
第二章 卷积神经网络的理论研究
    2.1 卷积神经网络
    2.2 卷积神经网络的结构
        2.2.1 卷积层
        2.2.2 激活层
        2.2.3 池化层
        2.2.4 全连接层
        2.2.5 目标函数
    2.3 卷积神经网络的计算方法
        2.3.1 前向传播算法
        2.3.2 反向传播算法和梯度下降算法
    2.4 本章小结
第三章 基于卷积神经网络的玉米发育期识别方法
    3.1 玉米发育期数据集样本的采集
    3.2 玉米发育期的传统识别方法
        3.2.1 基于RGB和 HSL颜色空间提取色素识别玉米发育期
        3.2.2 基于图像增强和分割识别玉米发育期
        3.2.3 传统方法的实验分析
    3.3 基于卷积神经网络的玉米发育期识别方法
        3.3.1 训练样本的预处理
        3.3.2 标准卷积方式和轻量化卷积方式
        3.3.3 标准卷积神经网络的框架及训练
        3.3.4 轻量化卷积神经网络的框架及训练
        3.3.5 分析比较卷积神经网络方法实验结果
    3.4 本章小结
第四章 卷积神经网络识别方法的改进研究
    4.1 基于迁移学习改进识别模型
        4.1.1 迁移学习和微调
        4.1.2 基于迁移学习的卷积神经网络模型实验设计
        4.1.3 实验结果与分析
    4.2 基于平均分割图像预处理和投票法改进识别模型
        4.2.1 分析三叶期和抽雄期识别率低的原因
        4.2.2 数据样本的预处理
        4.2.3 数据样本的平衡处理和扩充
        4.2.4 投票法
        4.2.5 实验结果与分析
    4.3 基于多尺寸特征图的雄穗检测模型
        4.3.1 检测框架
        4.3.2 数据集样本处理
        4.3.3 实验与结果分析
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者简介



本文编号：3811716