-
题名基于改进语义分割模型的无人机多光谱图像杂草分割
被引量：6
- 1
-
-
作者
徐国钦
黄明凤
黄建平
-
机构
东北林业大学机电工程学院
-
出处
《江苏农业科学》
北大核心
2022年第12期212-220,共9页
-
基金
黑龙江省自然科学基金(编号:TD2020C001)
中央高校基本科研业务费专项(编号:2572019CP19)。
-
文摘
杂草与作物争夺肥料、阳光等养分,从而影响作物生长,快速有效地清除杂草危害对提高作物的产量和品质具有重要意义。传统的杂草防治方法常采取大面积喷洒除草剂等措施,无法满足智慧农业的精细化管理要求,精确、可靠的杂草检测是智能除草的关键。在卷积神经网络模型PANet的基础上进行改进,把原始特征提取网络ResNet替换为DenseNet-121,采用FPA模块提供像素级注意力信息,通过金字塔结构增加感受野。以无人机多光谱糖菜杂草图像为研究对象,分别构建近红外790 nm、红色690 nm和归一化植被指数NDVI的训练数据集进行网络训练。发现PANet的训练精度为97.38%,测试精度为93.41%;采用3通道(近红外790 nm+红色690 nm+NDVI)训练的模型F_(1)值最高为0.872。结果表明,该方法可以实现无人机多光谱图像杂草的有效分割,可为农田杂草精确检测和农作物生长状况监测提供参考和借鉴。
-
关键词
杂草
改进语义分割模型
无人机
多光谱
图像分割
植被指数
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进卷积神经网络算法的路径导航研究
被引量：6
- 2
-
-
作者
黄林林
李世雄
谭彧
王硕
-
机构
中国农业大学工学院
-
出处
《中国农机化学报》
北大核心
2022年第4期146-152,159,共8页
-
基金
新疆兵团财政科技计划项目(2020DB003—02)——枣园导航定位与变量施肥控制。
-
文摘
农业机械自主导航技术一直是现代农业发展的关键技术,而已有的机器视觉导航中普遍存在鲁棒性不强、适应性弱等缺点。针对上述问题,提出基于卷积神经网络的田间路径导航算法。根据主流语义分割模型FCNVGG16得到改进分割网络FCNVGG14,用于田间作物行分割任务的预处理,再通过非监督点聚类法进行特征点分类,最后采用改进后的Hough变换(PKPHT)拟合出导航直线。分析结果表明:与U-Net等主流算法相比,基于FCNVGG14网络模型的图像分割算法,IOU(交并比)指标在多通道输入时提升2%,在单通道输入时IOU指标提升4%,取得良好的分割效果。对分割网络FCNVGG14改进相对于传统的图像阈值分割算法,克服作物缺失、田间杂草过多、光照不均等自身缺陷导致的直线拟合时不可避免出现误检测、偏差大等问题。经田间路径导航试验证明,在田间照度符合人眼的情况下,基于FCNVGG16的改进模型路径识别算法检测准确率不低于92%,单帧检测时间在100 ms以内,在作业平台的速度不大于0.5 m/s条件下,最大横向偏差为9.84 cm、平均偏差不超过6.68 cm,说明用于机器视觉导航可行,这为低算力田间视觉导航提供新的方法和思路。
-
关键词
视觉导航
改进语义分割模型
非监督聚类
二次阈值分割
-
Keywords
visual navigation
improved semantic segmentation model
unsupervised clustering
quadratic threshold segmentation
-
分类号
S—3
[农业科学]
-
