典型文献
基于U-Net和超像素分割的烟株自动提取分析
文献摘要：
为解决田间烟株自动识别和计数问题,基于U-Net和SLIC超像素分割,建立了一种烟株自动识别与计数的方法.首先通过训练语义分割网络U-Net提取烟田面积;然后构建过绿差值指数(Excess Green Difference Index,EGDI)去除杂草并提取烟株覆盖面;再使用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对烟草覆盖面进行分割;最后将分割出的烟株进行自动标记和计数.结果表明,采用U-Net网络对烟田面积提取得到的平均交并比(Mean Intersection over Union,MIoU)达到98.24％.运用该方法提取烟株的平均总体精度为99.21％,平均准确度为93.42％,表明该方法对烟株提取和计数具有可行性.
文献关键词：
烟株;自动识别;深度学习;超像素分割;简单线性迭代聚类
中图分类号：
作者姓名：
杨威;黄亮;陈裕汉;夏炎;常军
作者机构：
昆明理工大学国土资源工程学院,昆明市一二一大街文昌路68号 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心,昆明市一二一大街文昌路68号 650093;滇西应用技术大学,云南省大理市海东山地新城海月街1号 671006;自然资源部第一大地测量队,西安市碑林区测绘路4号 710054
文献出处：
引用格式：
[1]杨威;黄亮;陈裕汉;夏炎;常军-.基于U-Net和超像素分割的烟株自动提取分析)[J].烟草科技,2022(04):20-27
A类：
EGDI
B类：
Net,超像素分割,烟株,自动提取,取分,田间,自动识别,计数问题,SLIC,语义分割网络,烟田,田面,Excess,Green,Difference,Index,除杂,杂草,简单线性迭代聚类,Simple,Linear,Iterative,Clustering,烟草,割出,自动标记,面积提取,平均交并比,Mean,Intersection,over,Union,MIoU,总体精度,数具
AB值：
0.436667
相似文献
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。
