基于改进AlexNet模型的油菜种植面积遥感估测

• 作者: 张帆 张良 焦计晗
• 来源期刊: 计算机测量与控制
• 关键词: 卷积神经网络 农作物识别 油菜作物 遥感测量
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 设计与应用
• 页码范围: 186-189
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.02.046

摘要

目前农作物种植面积估测主要是依据遥感影像数据,结合遥感处理技术对遥感地物进行识别监测,估测结果受遥感数据源影响较大;为此提出了改进过的AlexNet卷积神经网络分类识别算法模型,该模型在传统AlexNet模型基础上,针对Landsat8遥感影像数据,创新地提出将5个卷积层的卷积核修改为两个3*3大小和3个2*2大小,并在3个全连接层后加入dropout层,减少过拟合的出现;将改进前后的模型和加入dropout后的改进模型分别对湖北省荆门市2017年油菜作物种植面积进行分析研究,研究从测试精度、Kappa一致性检验和估测面积三方面进行,实验结果表明加入dropout的改进后模型估测效果最好,估测面积与实际面积误差率为2.39％,Kappa一致性检验结果为0.9625,一致性较高;验证了改进后AlexNet模型在油菜作物遥感识别方面的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张帆	湖北大学资源环境学院	22	46	4.0	6.0
3	张良	湖北大学资源环境学院	11	35	3.0	5.0
4	焦计晗	湖北大学资源环境学院	1	10	1.0	1.0