基于多尺度特征谷子生长期元素失衡情况识别

• 作者: 尉敬涛 胡欣宇 郝王丽 韩猛
• 来源期刊: 物联网技术
• 关键词: 神经网络 多尺度特征 谷子 生长期 元素失衡识别 Dropout ReLU
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 全面感知
• 页码范围: 33-36,39
• 页数: 5页
• 分类号: TP39
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2020.03.008

摘要

目前,谷子已成为我国一种非常重要的粮食作物,其生长期中土壤和施肥环境的检测非常关键.为避免出现大规模缺钾、缺镁等元素缺失情况,研究者们提出许多元素失衡判断方法.但传统方法大多只提取图像单尺度特征,识别性能受限.为解决该问题,提出一种改进的卷积神经网络来识别谷子生长期元素失衡情况.在神经网络中引入Inception结构,在不同尺度上组合深度特征以识别不同大小的异变斑块形态,从而提高识别准确率.同时,为提升模型鲁棒性,在模型中引入了Dropout以及ReLU激活函数.实验结果显示该方法将识别准确率从95.6％提升到98％,说明多尺度特征提取可提高生长期元素失衡识别性能准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡欣宇		9	4	1.0	2.0
2	郝王丽	山西农业大学软件学院	2	1	1.0	1.0
3	韩猛	山西农业大学软件学院	2	1	1.0	1.0
4	尉敬涛	山西农业大学软件学院	1	0	0.0	0.0