基于卷积神经网络的堆肥腐熟度预测

发布时间：2024-03-13 23:55

　　【目的】目前堆肥腐熟度主要采用复杂的化学、生物学方法进行判断,操作繁琐且效率低。卷积神经网络(convolutional neural network,CNN)模拟人类视觉,既可保留堆肥图像的颜色信息,也提取了轮廓、线条、粒度等更加具有代表性的特征,从而避免了因光照条件不同对堆肥腐熟度预测识别效果的影响。本文提出了通过堆肥图像判断堆肥腐熟度的方法,构建基于卷积神经网络的堆肥腐熟度预测模型,并验证了该模型进行堆肥腐熟度判断的准确度。【方法】供试堆肥样本采集自江苏、山东、浙江三省,堆肥原料分别为秸秆、尾菜和畜禽粪便,堆肥周期依次为50 d、45 d和60 d。在厂棚内的堆肥槽中,用海康威视摄像头(型号为C3W,焦段为广角,焦距2.8 mm,清晰度1080 p,夜间自动补光,摄像头距堆肥表面约1 m)拍摄不同腐熟时期的堆肥图像,图像格式为JPEG。分别取三种不同原料的堆肥图像样本构成三组图像数据集,将三种原料的图像按照尾菜∶秸秆∶畜禽粪便原料1∶1∶1构成第四组图像数据集。每组数据集中,80%的图像数据用于训练基于卷积神经网络模型,并建立预测模型参数。剩余20%的图像用于测试,验证模型的腐熟...

【文章页数】：12 页

【部分图文】：

图３－２堆肥表面典型遮挡物??

图片、以及存放在ｔｘｔ文件中的数据??集划分规则，其中标注文件中存放了每一个样本图片中遮挡物的坐标、类别还有有效??的堆肥区域及其腐熟情况，而通过ｔｘｔ文件在堆肥数据集中随机取５０％的数据作为训??练集，取３０％的数据作为验证集，将剩下２０％的堆肥图像数据单独预留出来作为测试??....

图４－７感受野示意图??－

基于深度学习的堆肥表面遮挡物检测与腐熟度预测研宄??■■■■??■■■＿?画??（ａ）?（ｂ）??图４－６不同深度的特征图??Ｆｉｇ．４－６?Ｆｅａｔｕｒｅ?ｍａｐｓ?ａｔ?ｄｉｆｆｅｒｅｎｔ?ｄｅｐｔｈｓ??卷积神经网络由于卷积和池化操作，网络越深，提取的特征图越来越小，深层网....

图４－６不同深度的特征图??Ｆｉｇ．４－６?Ｆｅａｔｕｒｅ?ｍａｐｓ?ａｔ?ｄｉｆｆｅｒｅｎｔ?ｄｅｐｔｈｓ??卷积神经网络由于卷积和池化操作，网络越深，提取的特征图越来越小，深层网??

基于深度学习的堆肥表面遮挡物检测与腐熟度预测研宄??■■■■??■■■＿?画??（ａ）?（ｂ）??图４－６不同深度的特征图??Ｆｉｇ．４－６?Ｆｅａｔｕｒｅ?ｍａｐｓ?ａｔ?ｄｉｆｆｅｒｅｎｔ?ｄｅｐｔｈｓ??卷积神经网络由于卷积和池化操作，网络越深，提取的特征图越来越小，深层网....

本文编号：3927758