基于Faster-rCNN的根系扫描图像定位识别方法研究

发布时间：2023-07-31 20:09

　　在树木的生长发育过程中,根系起着至关重要的作用。而地下根系错综复杂,盘根交错,因此对树木根系的识别定位是目前亟待解决的问题。传统的根系扫描图像定位识别方法多是基于数字图像分析的方法,存在各种问题,限制其广泛应用。Faster Region CNN(Faster-rCNN)作为深度学习中的目标识别模型,不仅可以实现分类的效果,还可以通过Region Proposal Network(RPN)实现感兴趣区域的快速定位,使根系扫描图像识别定位实现自动化。本文致力于研究基于Faster-rCNN的根系扫描图像定位识别方法,主要工作包括以下方面:1.构造根系识别数据集。数据集由两部分组成,分别为利用GPRMAX V2.0正演的模拟图像以及通过埋根法采集的实地图像。2.设计Faster-rCNN网络结构。本文使用模拟图像数据集训练网络,结果显示分类准确率达到86%。表明该模型对双曲线的识别定位具有应用价值。再使用实地图像数据集训练网络,模型准确率为72%,进一步说明模型对双曲线识别定位的可行性。3.探究主成分分析(PCA)在根系识别中的应用。首先将PCA应用于手势识别领域中探究PCA的最佳数据维度...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 传统根系识别方法
        1.2.2 基于机器学习的根系识别算法
    1.3 本文的主要内容和研究路线
    1.4 论文结构安排
2 数据获取试验方法
    2.1 根系雷达波图像正演模拟
    2.2 埋根法获取实地图像
        2.2.1 根系扫描图像的获取
        2.2.2 根系扫描图像的预处理
    2.3 本章小节
3 基于Faster-rCNN的根系识别方法研究
    3.1 Faster-rCNN网络设计与训练
        3.1.1 整体结构
        3.1.2 网络结构详解
        3.1.3 网络训练
    3.2 算法的测试与应用
    3.3 本章小结
4 主成分分析在根系识别应用中的探究
    4.1 主成分分析方法原理和应用研究
        4.1.1 主成分分析方法原理
        4.1.2 主成分分析算法可行性验证
    4.2 主成分分析在根系定位识别中的应用
    4.3 本章小结
5 基于Faster-rCNN的雷达波根系识别应用
    5.1 正演图像的识别应用
    5.2 预埋实验图像的识别应用
    5.3 颐和园野外图像的识别应用
        5.3.1 现场实验场景
        5.3.2 根系识别算法测试效果
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
个人简介
导师简介
获得成果目录
致谢



本文编号：3838019