基于深度卷积神经网络的仿野生种植金银花遥感识别方法研究

• 作者: 史婷婷 张小波 郭兰萍 景志贤 黄璐琦
• 来源期刊: 中国中药杂志
• 关键词: 深度学习 卷积神经网络 无人机遥感 金银花 GoogLeNet
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 资源与鉴定
• 页码范围: 5658-5662
• 页数: 5页
• 语种: 中文
• DOI: 10.19540/j.cnki.cjcmm.20200927.103

摘要

中药材识别是现代中药材产业的基础部分与重要前提.对于仿野生种植的中药材,由于其分散、不规则、细碎化等种植特点,使得利用传统分类方法对其进行精细识别的精度较低,因此将深度卷积神经网络模型用于仿野生种植的中药材识别.该研究以平邑县裴家沟村为研究区,通过无人机获取遥感数据并进行数据预处理,建立样本数据集,利用GoogLeNet网络模型对大量训练样本的学习,提取无人机遥感影像中的金银花特征,通过调整网络参数,进一步优化网络结构,构建金银花识别模型,并利用该模型提取金银花种植空间信息,通过地面样方数据验证金银花提取精度.研究结果表明:经训练优化后的模型对金银花整体分类精度可达97.5％,面积总精度为94.6％.基于GoogLeNet的深度卷积神经网络能够有效地提取影像中分布较为破碎的金银花信息,实现金银花精细分类.可为深度卷积神经网络方法在中药材遥感分类中的应用提供参考.