期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于AlexNet的近岸水生植物光谱分类及特征光谱分析 被引量：4
1
作者 郑宗生 刘贝 +4 位作者 卢鹏 王振华 邹国良 赵家惠 李云飞 《中国激光》 EI CAS CSCD 北大核心 2023年第2期123-132,共10页
水生植物能够净化污染物和抑制藻类生长,在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法,具有无接触、快速、无污染等特点。受周围水环境的影响,绿色水生植物的光谱特征峰比陆生植物更加难以区分,地面实测... 水生植物能够净化污染物和抑制藻类生长,在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法,具有无接触、快速、无污染等特点。受周围水环境的影响,绿色水生植物的光谱特征峰比陆生植物更加难以区分,地面实测光谱数据不仅维度高,且存在大量重叠谱带和背景干扰,特征光谱不明显;同时,通过地面实测获取样本数据较为困难,适用于深度学习的地面光谱数据集较少。针对以上问题,本文提出了一种基于一阶导数法结合AlexNet网络的分类模型。本团队以2019年9—10月上海河道内4种优势种群的近岸挺水水生植物为研究对象,使用地物光谱仪采集4种水生植物叶片部位的光谱信息。实验中,首先使用4种光谱分析法对原始数据进行预处理,比较预处理前后分类模型的准确率,其中一阶导数法结合AlexNet网络的分类模型对4种水生植物的分类精度最高,为99.50%;然后分别选取样本数据的40%、60%和80%作为训练集,验证模型在小样本下的泛化能力;最后利用Grad-CAM算法对模型进行可视化,分析后发现本文模型提取的水生植物的特征光谱与现有研究结果一致。上述研究结果表明,本文模型能够有效提取水生植物的特征光谱,实现对4种水生植物的快速准确分类识别,为高光谱遥感卫星识别此4种水生植物提供了重要参考。 展开更多
关键词 光谱学 近岸水生植物 深度学习 光谱预处理 AlexNet网络
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部