典型文献
基于全卷积神经网络方法的玉米田间杂草识别
文献摘要：
杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害.要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别.利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集,利用迁移学习技巧,对模型采取非初始参数训练,提升模型识别准确率.结果表明,选择的U-Net模型识别效果最佳,能够有效地克服阴天光照、地膜等因素干扰,实现杂草的快速准确识别,验证集识别正确率96.13％,能够满足杂草识别的实际要求.
文献关键词：
杂草识别;全卷积神经网络;深度学习;语义分割;U-Net模型;VGG
中图分类号：
作者姓名：
李彧;余心杰;郭俊先
作者机构：
新疆农业大学机电工程学院,新疆乌鲁木齐830052;浙江大学宁波理工学院,浙江宁波315100
文献出处：
引用格式：
[1]李彧;余心杰;郭俊先-.基于全卷积神经网络方法的玉米田间杂草识别)[J].江苏农业科学,2022(06):93-100
A类：
B类：
全卷积神经网络,神经网络方法,玉米田,田间杂草,杂草识别,害农,林业生产,三害,旱地玉米,大苗,苗田,FCN,类目,目标实现,图像翻转,镜像,对比度增强,亮度增强,增广,迁移学习,学习技巧,模型识别,识别准确率,Net,阴天,天光,地膜,快速准确,准确识别,验证集,语义分割,VGG
AB值：
0.404446
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
