基于统计纹理残差学习网络的葡萄叶片分类方法

针对葡萄叶片类间相似度高导致的类内品种分类精度低的问题,构建一种改进的统计纹理残差学习网络(statistical texture residual learning network,STRLNet)的葡萄叶片分类方法。首先在ResNet50骨干网络的基础上添加SE注意力机制,然后构建底层信息的特征增强层,最后将增强后的底层特征与骨干网络提取的高层语义信息相融合,输出连接到用于存储分类特性的全连接层上。利用采集的11种成熟期葡萄叶片数据集进行训练测试,结果显示,STRLNet在提高网络空间性能的同时可充分利用底层特征信息,对构建的葡萄叶片数据集的分类准确率可以达到92.26%,相较于ResNet骨干网络提高了约2.8个百分点,与VGG16、Inception v4和ResNet等主流分类网络相比在葡萄叶片细粒度分类中具有更高的准确性。研究结果表明,在多品种的葡萄叶片分类任务中,改进后的模型相较于骨干网络可以关注到更多的特征信息,相较于主流分类网络模型可以获得更高的分类精度,模型性能得到进一步的提升。

结合FCN和DenseCRF模型的无人机梯田识别方法研究

梯田是坡耕地上最主要的水土保持工程,准确地提取梯田信息对水土保持监测和评价十分重要。为了解决无人机遥感梯田识别研究中梯田特征自动学习的问题,制作了一套像素级标注的梯田正射影像样本集并设计FCN-8s模型与DenseCRF模型结合的梯田识别方法。实验结果表明,该方法在山脊区梯田、密集水平梯田和不规则梯田识别的总体精度、F1分数和Kappa系数均值分别为86.85%、87.28%、80.41%,与其他方法相比,效果较好。该方法适用于无人机遥感梯田识别领域,是一种精确有效的识别方法。

浅谈环境立法对农产品质量安全的保护

本文主要针对环境立法对农产品质量安全的保护展开论述,浅析农产品质量安全与环境的关系,同时对相关不足提出完善建议。