您好,欢迎访问江西省农业科学院 机构知识库!

基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类

文献类型: 中文期刊

作者: 吴叶兰 1 ; 管慧宁 1 ; 廉小亲 1 ; 于重重 1 ; 廖禺 1 ;

作者机构: 1.北京工商大学中国轻工业工业互联网与大数据重点实验室;江西省农业科学院农业工程研究所

关键词: 柑橘病叶;高光谱成像;深度学习;注意力机制;特征提取

期刊名称: 农业机械学报

ISSN: 1000-1298

年卷期: 2023 年 54 卷 001 期

页码: 216-223

收录情况: EI ; 北大核心 ; CSCD

摘要: 为实现对柑橘叶片病虫药害种类的快速精准识别,针对多种类柑橘病叶设计一种融合注意力机制(Attention mechanism)的双向门控循环单元-循环神经网络(Attention-bidirectional gate recurrent unit-recurrent nural network,Att-BiGRU-RNN)分类模型.该模型在编解码模块分别采用BiGRU和RNN结构,能够利用高光谱数据前后波段光谱信息的关联性,有效提取光谱信息的深层特征;根据不同波段光谱信息的差异性引入注意力机制动态分配权重信息,提高重要光谱特征对分类模型的贡献率,提升模型的分类准确率.获取6类柑橘叶片高光谱信息,构建实验样本集,利用Att-BiGRU-RNN、VGG16、SVM和XGBoost分别建立柑橘病叶分类模型,Att-BiGRU-RNN模型总体分类准确率(Overall accuracy,OA)平均可达98.21%,相较于其他3种模型分别提高4.71、10.95、3.89个百分点,对光谱曲线重合度高的除草剂危害和煤烟病叶片的分类准确率有显著提升.实验结果表明,深度学习方法可有效利用高光谱不同波段间的关联信息,识别准确率较机器学习方法有大幅提高,为柑橘病虫药害快速无损检测和防治提供了一种新方法.

  • 相关文献

[1]高光谱成像的多种类柑橘病虫药害叶片检测方法研究. 吴叶兰,管慧宁,廉小亲,于重重,廖禺,高超. 2022

[2]高光谱成像的柑橘病虫害叶片识别方法. 吴叶兰,陈怡宇,廉小亲,廖禺,高超,管慧宁,于重重. 2021

[3]基于非接触式的牛只身份识别研究进展与展望. 许贝贝,王文生,郭雷风,陈桂鹏. 2020

[4]基于深度学习的作物病虫害可视化知识图谱构建. 吴赛赛,周爱莲,谢能付,梁晓贺,汪汇涓,李小雨,陈桂鹏. 2020

作者其他论文 更多>>