基于“深度学习”识别模型的玉米农田监测应用系统设计与实现
  • 【DOI】

    10.19517/j.1671-6345.20180501

  • 【摘要】

    为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet (VisualGeometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力.基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的... 展开>>为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet (VisualGeometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力.基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的玉米农田监测系统.系统由玉米农田监测装置和云端服务器组成,监测装置采集玉米图像、气象要素和田间位置数据,通过4G无线发送给云端服务器,云端服务器利用深度局部关联神经网络识别生长阶段,显示结果并存入数据库中.仿真试验表明,深度局部关联神经网络平均识别准确率达到92.53%,较VGGNet的87.21%和LSTM的88.50%,准确率分别提高了5.32%和4.03%.实地测试结果表明,野外环境下系统准确率可达到91.43%,能够稳定地对农田玉米生长情况进行监测,具有重要的应用价值. 收起<<

  • 【作者】

    阎妍  行鸿彦  刘刚  吴红军  吴慧  戴学飞  余培 

  • 【作者单位】

    南京信息工程大学气象灾害预报预警与评估协同创新中心/南京信息工程大学气象灾害预报预警与评估协同创新中心

  • 【刊期】

    气象科技 ISTIC PKU 2019年4期

  • 【关键词】

    玉米农田监测  生长阶段识别  卷积神经网络  深度局部关联 

  • 【基金项目】

    国家自然科学基金 江苏省重点研发计划 江苏省“信息与通信工程”优势学科计划资助、江苏省研究生科研创新计划