摘要
种植地块的精准识别是开展玉米农情监测的基础。受山地地形、影像的分辨率和提取方法限制,如何及时准确地获取玉米种植信息仍然是目前山地农业需要解决的重大问题之一。为了给基于高光谱影像的玉米地块精准识别与应用提供参考,以高光谱影像玉米地块为研究对象,利用深度学习技术,通过深度学习框架Keras对地物类型样本进行训练,提出了一种3D卷积神经网络模型以提高玉米地块的识别准确率,分类效果Overall Accuracy、Average Accuracy达到90%以上,Kappa系数达到86%以上。该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点。
作者
虞豹
周蕊
李波
王克晓
黄祥
YU Bao;ZHOU Rui;LI Bo;WANG Kexiao;HUANG Xiang
出处
《南方农业》
2022年第21期103-106,114,共5页
South China Agriculture
基金
重庆市农业科学院绩效激励引导专项项目“基于高光谱的春玉米长势遥感监测指标研究”(cqaas2021jxjl31)
“深度残差网络在水稻叶片病害识别中的应用研究”(cqaas2021jxjl15)。
