| 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 |
| |
| 引用本文： | 阎妍,行鸿彦,刘刚,吴红军,吴慧,戴学飞,余培.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[J].气象科技,2019,47(4):571-580. |
| |
| 作者姓名： | 阎妍 行鸿彦 刘刚 吴红军 吴慧 戴学飞 余培 |
| |
| 作者单位： | 1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044,1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044,1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044,1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044,1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044,1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044；3 江苏省无线电科学研究所有限公司， 无锡 214127,1 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, 南京210044;2 南京信息工程大学江苏省气象探测与信息处理重点实验室, 南京 210044 |
| |
| 基金项目： | 国家自然科学基金（61671248， 41605121）、江苏省重点研发计划（BE2018719）和江苏省“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（KYCX18_1038）资助 |
| |
| 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(Visual Geometry 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。
|
| 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 |
| 收稿时间： | 2018/9/3 0:00:00 |
| 修稿时间： | 2018/12/4 0:00:00 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《气象科技》浏览原始摘要信息 |
| 点击此处可从《气象科技》下载免费的PDF全文 |
|
