基于混合双线性池化模型的大豆品种识别研究

发布时间：2024-03-26 22:14

　　图像分类技术在基于植物叶片的物种识别研究中发挥着关键作用,近年来,关于植物物种识别的研究层出不穷,然而叶片形态特征能否为同一物种的不同品种提供足够的分类依据目前尚不明确。大豆作为一种重要的经济作物,具有丰富的生产和食用价值,品种识别在其质量评价和农业生产等场景中扮演着至关重要的角色。大豆叶片外形品种间差异小而品种内差异大的特点给识别任务带来了较大挑战。本文以大豆品种识别为研究目标,提出了两种性能较高的品种叶片识别网络模型,主要工作如下:(1)构建了大豆多品种叶片数据集并运用深度卷积网络提取具有较强区分性的大豆叶片特征。大豆品种识别较传统意义上的植物物种识别任务更具挑战性,难以针对性地设计相应的特征描述子,利用深度卷积网络探究并提取了叶片全局与局部信息对品种识别效果的影响,并改进已有的双路网络模型TwoCNN,其网络层级更深,特征提取能力更强,从而更好地融合叶片全局与局部特征用于大豆品种识别。实验结果表明,单一的叶片全局与局部信息均未能取得较理想的品种识别效果,通过增大局部信息丰富度可以小幅提高识别准确率并略微优于全局信息所对应的识别效果,但品种识别效果还存在较大的提升空间。融合全局与局...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1-1大豆叶片示例

5同属一类物种，叶片外形品种间差异很小，如图1-1（a）所示，三张大豆叶片图像样本均来自不同品种。大豆植株在培育和生长过程中不同部位的叶片光合作用程度也不同，且处于不同生育期的大豆植株成熟程度不一，诸多因素导致大豆叶片品种内的差异较大，如图1-1（b）所示，三张大豆叶片图像样本均....

图2-1SoyCultivar-100数据集(a)(b)

9图2-1SoyCultivar-100数据集2.2大豆叶片区分性特征提取从上一小节SoyCultivar-100数据集的样例展示可以看出，大豆叶片外形品种间差异不明显，很难通过人为方式针对性地设计手工特征，因此，运用卷积神经网络探究并提取具有代表性的特征表示是大豆品种识别研究至....

图2-3部分叶Class64Class5Class64a

进行合理的预处理，将所有图像沿叶片轮廓的最小矩形包围盒裁取出来，以裁取的全数据中图像最长边为基准，将所有图像以叶片为中心补形成方形（避免后续缩小操作扭曲原始图像，也保证所有图像的缩小程度相同），然后运用双线性插值算法缩小至256×256大小，缩小后的叶片图像能够保留比较明显的形状....

图2-3部分叶Class64Class5Class64a

进行合理的预处理，将所有图像沿叶片轮廓的最小矩形包围盒裁取出来，以裁取的全数据中图像最长边为基准，将所有图像以叶片为中心补形成方形（避免后续缩小操作扭曲原始图像，也保证所有图像的缩小程度相同），然后运用双线性插值算法缩小至256×256大小，缩小后的叶片图像能够保留比较明显的形状....

本文编号：3939760