典型文献
基于改进的DeepLabV3+模型结合无人机遥感的水稻倒伏识别方法
文献摘要：
针对传统水稻倒伏监测方法以人工进行现场测量耗时耗力且受主观影响较大的问题,利用无人机成本低廉、操作简单以及分辨率高的优势,以黑龙江省佳木斯市七星农场水稻种植基地的水稻倒伏区域为研究对象,对无人机遥感图像结合改进DeepLabV3+模型的水稻倒伏识别方法进行研究.结果表明:1)与其他方法相比,改进DeepLabV3 +网络模型取得了更高的准确率和更快的识别速度;2)改进DeepLabV3 +网络模型对水稻倒伏图像测试集的准确率为0.99,Kappa系数为0.98,像素准确率0.99;召回率0.99;平衡F分数为0.99;水稻完全倒伏状态识别的交并比为0.96,3种水稻不同倒伏状态识别的平均交并比为0.97.无人机搭载RGB相机载荷平台拍摄遥感图像结合改进DeepLabV3 +深度学习模型可以精确地对水稻倒伏进行识别,为大面积、高效率、低成本水稻倒伏监测识别研究提供了一种方法.
文献关键词：
水稻;倒伏;无人机遥感;深度学习
中图分类号：
作者姓名：
慕涛阳;赵伟;胡晓宇;李丹
作者机构：
东北林业大学信息与计算机工程学院,哈尔滨150040
文献出处：
引用格式：
[1]慕涛阳;赵伟;胡晓宇;李丹-.基于改进的DeepLabV3+模型结合无人机遥感的水稻倒伏识别方法)[J].中国农业大学学报,2022(02):143-154
A类：
水稻倒伏识别
B类：
DeepLabV3+,无人机遥感,监测方法,工进,现场测量,耗力,观影,分辨率高,黑龙江省,佳木斯市,七星,农场,水稻种植,种植基地,遥感图像,其他方法,图像测试,测试集,Kappa,像素,召回率,状态识别,平均交并比,搭载,RGB,机载,深度学习模型,监测识别
AB值：
0.270246
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。
