基于深度学习的土壤检测及其适种农作物的选择  

作　　者：黄晨豪 刘庆海 

机构地区：[1]青岛理工大学临沂校区,山东临沂273400

出　　处：《电脑知识与技术》2024年第33期21-25,共5页Computer Knowledge and Technology

基　　金：国家级大学生创新训练项目(202310429244)。

摘　　要：随着人工智能和图像识别等技术的不断发展,针对ResNet-18等网络的深度学习模型在土壤问题中得到了突破性的成就。然而,土壤作为农业生产中的至关重要因素之一,长期使用传统的机器学习算法在土壤颜色的判别上使得模型契合度差,效果不好。为此,基于深度学习方法通过提取土壤的颜色特征来种植适合土壤的农作物,并且结合多元线性回归和主成分分析(PCA)方法将土壤和农作物的数据与土壤图像融合,提出一种多模态土壤信息模型(MSI)。首先,先将土壤相关信息进行处理,包括异常值剔除与图像增强;然后,训练不同学习率的神经网络模型,选择了最优的学习率α=0.0001的ResNet-18模型,准确率为98.96%;其次,通过多元线性回归与PCA建立模型,并对数据进行分析与图像进行融合;最后,对土壤识别过程中常见的几个问题进行探讨,并对今后的研究做了总结和展望。

关 键 词：深度学习 PCA 多元线性回归 多模态 土壤颜色 农作物的选择 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]