基于小规模数据集的柑橘树冠层施药情况的分类模型

TP391.4%S499; [目的]提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题.[方法]提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型?VGG_C模型.模型以VGG模型核心思想为基础进行构建,通过交叉熵损失函数优化,加速概率分布与真实分布的迭代过程,并在输出端引入不确定性度量计算以及在下采样模块中插入Droupout方法,降低由于数据较少而发生过拟合的概率.[结果]VGG_C模型针对训练集的分类损失值为0.44%,比ResNet和VGG模型分别降低了87%和91%;准确率为95.3%,比ResNet和VGG模型分...

Full description

Saved in:
Bibliographic Details
Published in华南农业大学学报 Vol. 42; no. 5; pp. 127 - 132
Main Authors 徐相华, 林佳翰, 陆健强, 陈宏泽, 杨瑞帆
Format Journal Article
LanguageChinese
Published 华南农业大学 工程基础教学与训练中心,广东 广州 510642%华南农业大学 电子工程学院/人工智能学院,广东 广州 510642%华南农业大学 电子工程学院/人工智能学院,广东 广州 510642 01.09.2021
国家精准农业航空施药技术国际联合研究中心,广东 广州 510642
Subjects
红外热感图像
卷积神经网络
柑橘
交叉熵损失函数
喷施药剂
Online AccessGet full text
ISSN1001-411X
DOI10.7671/j.issn.1001-411X.202101025

Cover

More Information
Summary:TP391.4%S499; [目的]提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题.[方法]提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型?VGG_C模型.模型以VGG模型核心思想为基础进行构建,通过交叉熵损失函数优化,加速概率分布与真实分布的迭代过程,并在输出端引入不确定性度量计算以及在下采样模块中插入Droupout方法,降低由于数据较少而发生过拟合的概率.[结果]VGG_C模型针对训练集的分类损失值为0.44%,比ResNet和VGG模型分别降低了87%和91%;准确率为95.3%,比ResNet和VGG模型分别提高了5%和10%;验证集的预测平均准确率为96.4%.[结论]VGG_C模型通过多层卷积模型协同实现柑橘冠层热红外图像特征的高效提取,通过优化输出端结构提高了柑橘冠层施药情况分类模型在小数据集规模上的训练测试优度,可为柑橘树施药情况的智能化判断提供有效参考.
ISSN:1001-411X
DOI:10.7671/j.issn.1001-411X.202101025