基于深度学习的大棚及地膜农田无人机航拍监测方法

• 作者: 付红萍 史明昌 孙钰 杨猛 陈志泊 韩京冶
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 农业监测 无人机 深度学习 语义分割 全卷积神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 133-140
• 页数: 8页
• 分类号: TP391.41
• 字数: 4834字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2018.02.018

摘要

随着精准农业技术的发展,快速获取大棚和地膜农田面积及地理分布的需求越来越大,但沿用面向卫星遥感影像的解译方法处理无人机航拍影像,存在特征选择复杂、识别精度较低、处理时间长等问题.基于此,本文提出一种基于深度学习的大棚及地膜农田无人机航拍监测方法,即采用六旋翼无人机搭载索尼NEX-5k相机进行航拍作业,对采集到的558幅赤峰市王爷府镇地区的无人机航片进行正射校正与拼接,构建全卷积神经网络(Fully convolutional network,FCN),通过多尺度融合的方法实现了FCN的5个变种模型:FCN-32s、FCN-16s、FCN-8s、FCN-4s、FCN-2s,使用带动量的随机梯度下降算法端到端训练模型,自动提取并分类影像特征.FCN模型与ENVI商用遥感软件的基于像素的分类方法、eCognition软件的面向对象的分类方法对比后表明:FCN-4s模型为识别大棚和地膜农田的最佳模型,对于测试区域的平均整体正确率为97％,而基于像素的分类方法平均整体正确率为74.1％,面向对象的分类方法平均整体正确率为81.78％.FCN-4s模型平均运行时间为16.85 s,是基于像素的分类方法运行时间的0.06％,是面向对象的分类方法运行时间的5.62％.本方法可快速准确获取大棚和地膜农田的地理分布及面积,满足设施农业对无人机航拍监测的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史明昌	北京林业大学水土保持学院	70	728	13.0	24.0
2	陈志泊	北京林业大学信息学院	74	503	11.0	18.0
3	杨猛	北京林业大学信息学院	20	59	4.0	7.0
4	孙钰	北京林业大学信息学院	9	59	4.0	7.0
5	韩京冶	北京林业大学信息学院	2	24	2.0	2.0
6	付红萍	北京林业大学信息学院	1	20	1.0	1.0