典型文献
改进U-Net模型的保护性耕作田间秸秆覆盖检测
文献摘要：
为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的U-Net语义分割算法对秸秆覆盖率进行检测.首先,提出一种新的卷积模块代替原始U-Net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,形成新的Gception结构;最后,在模块中引入注意力机制.利用无人机采集田间地表图像,将改进的U-Net模型应用于自标注田间秸秆图像分割,与U-Net,PSP-Net,Link-Net,Res-Net,DSRA-Unet和DE-GWO算法进行对比实验,得到的平均交并比为80.05％,平均像素精确度为91.20％,覆盖率平均误差为0.80％.实验结果表明,改进U-Net模型的分割结果优于对比算法,能够保证特征提取的有效性和全局特征的完备性,有效剔除树影以及田内其他干扰因素.该模型适用于含有农机和树影等干扰的田间复杂场景,在大尺度图像中亦可获得较好的分割效果,可为大面积秸秆覆盖率检测提供技术支持.
文献关键词：
秸秆图像;覆盖率检测;语义分割;U-Net模型;注意力机制
中图分类号：
作者姓名：
刘媛媛;周小康;王跃勇;于海业;庚晨;何铭
作者机构：
吉林农业大学信息技术学院,吉林长春130118;吉林农业大学工程技术学院,吉林长春130118;吉林大学工程仿生教育部重点实验室,吉林长春130025
文献出处：
引用格式：
[1]刘媛媛;周小康;王跃勇;于海业;庚晨;何铭-.改进U-Net模型的保护性耕作田间秸秆覆盖检测)[J].光学精密工程,2022(09):1101-1112
A类：
应保护性,Gception,秸秆图像,DSRA
B类：
Net,保护性耕作,田间,秸秆还田,技术需求,语义分割,分割算法,秸秆覆盖率,卷积模块,Inception,条纹,池化,空间金字塔,空洞卷积,注意力机制,机采,模型应用,图像分割,PSP,Link,Res,Unet,DE,GWO,平均交并比,像素,平均误差,对比算法,全局特征,完备性,树影,干扰因素,农机,复杂场景,大尺度,分割效果,覆盖率检测
AB值：
0.34513
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。
