購物車(0)
基于“深度學習”識別模型的玉米農田監測應用系統設計與實現
閻妍; 行鴻彥; 劉剛; 吳紅軍; 吳慧; 戴學飛; 余培 南京信息工程大學氣象災害預報預警與評估協同創新中心; 南京210044; 南京信息工程大學江蘇省氣象探測與信息處理重點實驗室; 南京210044; 江蘇省無線電科學研究所有限公司; 無錫214127
關鍵詞：玉米農田監測 生長階段識別 卷積神經網絡 深度局部關聯
摘要：為了精準判斷玉米所處生長階段,遠程實時監測玉米長勢,分析生長階段與田間環境要素間的關系,本文提出深度局部關聯神經網絡,克服了玉米生長階段識別中存在的多模態和模糊性問題,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一個新的監督層,即局部關聯損失層,提高深層特征的判別能力。基于所提的玉米生長階段圖片識別新算法,拓展環境要素監測功能,設計一套基于深度學習的玉米農田監測系統。系統由玉米農田監測裝置和云端服務器組成,監測裝置采集玉米圖像、氣象要素和田間位置數據,通過4G無線發送給云端服務器,云端服務器利用深度局部關聯神經網絡識別生長階段,顯示結果并存入數據庫中。仿真試驗表明,深度局部關聯神經網絡平均識別準確率達到92.53%,較VGGNet的87.21%和LSTM的88.50%,準確率分別提高了5.32%和4.03%。實地測試結果表明,野外環境下系統準確率可達到91.43%,能夠穩定地對農田玉米生長情況進行監測,具有重要的應用價值。
氣象科技雜志要求:
{1}作者基本信息：姓名、工作單位、職務、職稱、學位。
{2}凡不同意編輯修改稿件者，請在來稿中注明。
{3}標題：一般單獨占行，居左；段首小標題，前空兩格，后空一格。
{4}凡是引用他人文獻、資料，必須加引證注釋，以頁末腳注形式按頁編排。在正文加注釋處右上角以加圈阿拉伯數字標記，腳注編號位于相應標點之外。
{5}正文前應有200字左右中文摘要（說明文章的主要內容、研究目的、采用方法和主要結論等）。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
