基于深度学习的白喉乌头与牧草高精度分类研究  

Study on high-precision classification of Aconitum leucostomum Worosch and pasture based on deep learning

作　　者：范宏 刘素红[3] 陈吉军 沈江龙 乔雪丽 郑江华[1,2] Fan Hong

机构地区：[1]新疆大学资源与环境科学学院,新疆乌鲁木齐830046 [2]新疆大学绿洲生态教育部重点实验室,新疆乌鲁木齐830046 [3]北京师范大学环境遥感与数字城市北京重点实验室,北京100875 [4]新疆治蝗灭鼠指挥部办公室,新疆乌鲁木齐830046

出　　处：《江苏农业科学》2021年第12期173-180,共8页Jiangsu Agricultural Sciences

基　　金：新疆维吾尔自治区高校科研计划(编号:XJEDU2019I010);2018年新疆治蝗灭鼠指挥办公室委托项目。

摘　　要：采用无人机获取白喉乌头危害草原区的1 cm空间分辨率的无人机数字正射影像,分别在5×5、10×10、20×20、40×40、80×80像素5个尺度下选取白喉乌头和普通牧草2类训练样本,使用VGG16、VGG19、ResNet50等3种模型对图像切片的特征进行学习,以获取图像切片的深层特征,进而实现对2类地物的分类提取。对比5个分割尺度下3种模型得到的分类精度,发现不同的分割尺度对分类精度有明显影响,随着分割尺度的增加分类精度呈现出先升高再降低的趋势,在40×40像素尺度下3种方法都得到了最高的分类精度,分别为95.31%、96.88%、93.75%,白喉乌头的分类验证精度分别为86.52%、92.77%、93.81%。对分类结果进行分析发现,在40×40像素的尺度下对应的地面实际范围是40 cm×40 cm,与白喉乌头的单株长宽接近,能较好地提取白喉乌头整株的深层特征。

关 键 词：卷积神经网络 毒害草 无人机影像 图像识别 白喉乌头 牧草 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] S127[自动化与计算机技术—计算机科学与技术]