首页分享无人机图像深度学习的大豆害虫检测与分类

无人机图像深度学习的大豆害虫检测与分类

来源：花匠小妙招时间：2024-12-14 18:37

无人机图像深度学习的大豆害虫检测与分类

最新推荐文章于 2024-11-16 23:08:05 发布

@@南风于 2020-11-25 08:50:33 发布

104 篇文章 109 订阅 ¥99.90 ¥299.90

本文探讨了使用深度学习模型（如Inception-v3, Resnet-50, VGG-16, VGG-19 和 Xception）进行大豆害虫检测与分类的研究。通过SLIC超像素方法提升图像分割效果，实验中采用了数据增强和不同预训练权重策略，结果显示微调后的深度学习架构能达到93.82%的分类准确率。" 109122794,10012235,使用OpenAPI模式验证API,"['API开发', '接口验证', '设计模式', 'Python', 'Java']

摘要由CSDN通过智能技术生成

无人机图像深度学习的大豆害虫检测与分类

1、研究内容

实验比较了Inception-v3, Resnet-50, VGG-16, VGG-19 and Xception ，用了微调和迁移学习。

2、创新方法

采用SLIC超像素方法分割图像中的害虫。SLIC方法采用k-means算法生成类似的区域，称为超像素。
该方法包括五个步骤:
(1)图像采集
(2)切片分割
(3)图像数据集
(4)特征学习
(5)害虫分类。

3、实验内容

使用了两种不同的方法收集实验场中存在的害虫的图像。使用作为Keras模块的一部分提供的Xception、inceptionv3、VGG 16、VGG 19和Resnet 50架构的开源实现。
将数据分为70%用于培训，30%用于测试。在实验中，使用了以下输入参数。输入图像的宽度和高度均设置为256。批量大小被设置为16个图像用于训练，并且使用50个训练。使用了学习率为0.0001、动量为0.9的SGD优化器。通过应用旋转、重新缩放、滚动和缩放操作来增加数据量。该技术旨在增强分类任务中的旋转不变性和比例不变性。
使用了两种策略，即神经网络的固定率和在ImageNet数据集中获得的权重。