期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
遥感植被物候识别中逻辑斯蒂模型的适用性研究 被引量:2
1
作者 刘慧 胡宏昌 +1 位作者 胡和平 田富强 《水力发电学报》 EI CSCD 北大核心 2015年第6期88-94,共7页
气候变化引起的物候变化对陆地生态系统和水文循环等都有重要的影响,基于遥感数据的植被物候识别模型是当前区域物候研究的重要手段。本文基于小波分析方法,以内蒙古高原地区的草地物候为研究对象,利用遥感数据和气象数据,分析遥感植被... 气候变化引起的物候变化对陆地生态系统和水文循环等都有重要的影响,基于遥感数据的植被物候识别模型是当前区域物候研究的重要手段。本文基于小波分析方法,以内蒙古高原地区的草地物候为研究对象,利用遥感数据和气象数据,分析遥感植被物候识别中逻辑斯蒂模型的适用范围。研究表明,在干燥指标(HAI)大于3的地方,植被的物候周期会被干旱扰乱,不再满足逻辑斯蒂模型的假设,这种气候条件的地区不适宜使用逻辑斯蒂模型来对植被物候进行识别;在干燥指数(HAI)大于2小于3的地方,植被生长过程在部分年份受干旱干扰,在应用逻辑斯蒂模型前须对植被生长过程进行检验。 展开更多
关键词 水文学与水资源 物候识别 逻辑斯蒂模型 小波分析 适用性
原文传递
基于注意力机制的林木物候期识别方法 被引量:5
2
作者 崔晓晖 陈民 +2 位作者 陈志泊 许福 王新阳 《中南林业科技大学学报》 CAS CSCD 北大核心 2021年第7期11-19,共9页
【目的】针对物候期识别传统方法特征提取不充分、未对关键特征进行区分,导致方法泛化能力较差、迁移应用识别精度低的问题,本研究将注意力机制引入残差神经网络,结合基于数字照相的物候观测方式,提出具有较强细粒度特征识别能力且实用... 【目的】针对物候期识别传统方法特征提取不充分、未对关键特征进行区分,导致方法泛化能力较差、迁移应用识别精度低的问题,本研究将注意力机制引入残差神经网络,结合基于数字照相的物候观测方式,提出具有较强细粒度特征识别能力且实用性较强的林木物候期识别方法,从而为林木的长期实时物候监测提供技术支撑。【方法】以PhenoCam中的栎林及槭林像片为研究材料,选取2017—2018年的数据作为训练集,以2019年的数据评价模型的泛化能力。研究结合实地观测数据对研究区的林木物候期进行划分,设计数据裁剪公式,在增强数据的同时均衡各个物候期数据的数量。研究基于ResNet50残差神经网络设计了深度学习模型,针对林木物候期差异较小的特性引入了注意力机制,注意力模块在通道及空间维度对神经网络提取的特征进行再处理,提升了模型对细粒度图像差异的识别能力。【结果】注意力机制的引入有效提升了模型的泛化能力,增强了模型对易混淆物候期的识别能力,在未参与训练的19年数据集的栎林物候期识别取得了90.58%的准确率,槭林物候期识别准确率为89.27%,较引入前模型准确率在两个研究区分别提升21.86%与13.15%,优于传统AlexNet和HOG-SVM方法。【结论】基于残差注意力网络的林木物候期识别方法较好解决了原有方法泛化能力较差的问题,该方法具有准确度高、迁移应用能力强等优势,能对易混淆的林木物候期进行精准区分,适用于林木物候的长期观测。 展开更多
关键词 物候识别 深度学习 注意力机制 精准林业
下载PDF
基于时序PolSAR影像与决策树模型的油菜物候期识别 被引量:5
3
作者 李诗涛 张王菲 +1 位作者 赵丽仙 王熙媛 《浙江农业学报》 CSCD 北大核心 2021年第11期2116-2127,共12页
作物物候期识别是农情遥感监测的重要内容,及时准确识别作物物候期,对有效评估作物生长趋势、提高农情信息化管理水平有重要意义。提出了基于时间序列全极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)数据结合决策树... 作物物候期识别是农情遥感监测的重要内容,及时准确识别作物物候期,对有效评估作物生长趋势、提高农情信息化管理水平有重要意义。提出了基于时间序列全极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)数据结合决策树模型的油菜物候期识别方法。首先,采用3种极化分解方法提取PolSAR极化参数,并分析各极化参数对油菜物候期的动态响应规律;其次,基于各极化分解方法提取的参数建立决策树模型,并对油菜物候期进行分类识别;最后,采用基于混淆矩阵的方法对油菜物候期识别结果进行精度评价。采用5期Radarsat-2 PolSAR数据和地面物候观测数据进行实验验证。结果表明:提取的PolSAR参数中对物候期变化较为敏感的参数有H/A/alpha分解中的散射角(Alpha)、特征值(L2、L3)、伪熵(P2)、目标方位角(Beta1)参数,Freeman-Durden分解中的地面散射(Ground)和奇次散射(Odd)参数,Yamaguchi分解中的奇次散射(Odd_Y)和螺旋体散射(Helix)参数;决策树模型对油菜物候期识别结果较为准确,识别结果中组合3种极化分解方法提取参数建立的原始决策树模型分类总体精度最高,达94%。总体上,PolSAR极化分解参数对油菜物候期变化比较敏感,决策树模型能有效识别油菜物候期。 展开更多
关键词 油菜 物候识别 RADARSAT-2 极化分解 决策树
下载PDF
基于改进ResNet50模型的自然环境下苹果物候期识别 被引量:2
4
作者 刘永波 高文波 +2 位作者 何鹏 唐江云 胡亮 《智慧农业(中英文)》 CSCD 2023年第2期13-22,共10页
[目的/意义]针对传统方法对自然环境下苹果物候期图像识别精度低、覆盖面不全等问题,提出一种基于改进ResNet50模型的苹果物候期识别方法。[方法]通过搭建球形摄像机获取复杂背景下的苹果图像数据集,以ResNet50作为基础模型,引入SE (Squ... [目的/意义]针对传统方法对自然环境下苹果物候期图像识别精度低、覆盖面不全等问题,提出一种基于改进ResNet50模型的苹果物候期识别方法。[方法]通过搭建球形摄像机获取复杂背景下的苹果图像数据集,以ResNet50作为基础模型,引入SE (Squeeze-and-Excitation Network)通道注意力机制强化对苹果图像的特征提取能力,并结合余弦退火衰减学习率的Adam优化器,实现自然环境下高原红富士苹果物候期图像的智能识别。[结果]在32,000幅苹果树图像集上进行了试验,结果表明,改进ResNet50模型对苹果物候期图像进行识别,验证集准确率达到96.35%,测试集准确率达到91.94%,平均检测时间为2.19 ms,相较于AlexNet、VGG16、ResNet18、ResNet34、ResNet101以及经典ResNet50模型,最优验证集准确率分别提升了9.63%、5.07%、5.81%、4.55%、0.96%和2.33%。[结论]改进ResNet50可实现对苹果物候期有效识别,该研究成果可为果园物候期识别提供参考,通过集成至果树生育期智能监测生产管理平台,实现苹果园区的智能化管控。 展开更多
关键词 苹果 残差网络 ResNet50 物候识别 智慧果园
下载PDF
改进的轻量级YOLO在苹果物候期自动观测中的研究 被引量:5
5
作者 许增 王志伟 +3 位作者 胡桃花 李雪鹏 杨晓峰 李海芳 《计算机工程与设计》 北大核心 2021年第12期3478-3484,共7页
为在复杂的田间场景下实时检测果树上苹果并识别其所处的物候期(幼果期、果实膨大期、果实成熟期),提出一种用于嵌入式物候期监测设备的改进的Tiny-YOLOv3模型。针对多样复杂的物候期图像,提出适度深化Tiny-YOLOv3模型,在深化后的模型... 为在复杂的田间场景下实时检测果树上苹果并识别其所处的物候期(幼果期、果实膨大期、果实成熟期),提出一种用于嵌入式物候期监测设备的改进的Tiny-YOLOv3模型。针对多样复杂的物候期图像,提出适度深化Tiny-YOLOv3模型,在深化后的模型上应用DenseNet方法强化低分辨率层特征提取,在实时条件下提高各个物候期检测识别的平均精度。实验结果表明,与Tiny-YOLOv3相比,所提Minor-YOLOv3-dense模型的检测识别精度提高了5.56%,检测速度略有下降,对整个模型的实时性没有特别的影响。 展开更多
关键词 物候期图像 实时 轻量级 图像增强 目标检测 物候识别 Tiny-YOLOv3模型
下载PDF
利用典型Stokes参数的油菜物候期识别 被引量:1
6
作者 张永鑫 张王菲 +1 位作者 徐昆鹏 李建刚 《武汉大学学报(信息科学版)》 EI CAS CSCD 北大核心 2023年第8期1322-1330,共9页
油菜关键物候期信息的获取对于油菜的田间管理、观赏时间预测及产量估测等具有重要意义,是精准农业实施的重要组成部分。极化合成孔径雷达技术不仅可以实现对作物全天时监测,而且对作物的结构信息敏感,在物候期提取中极具潜力。首先,以... 油菜关键物候期信息的获取对于油菜的田间管理、观赏时间预测及产量估测等具有重要意义,是精准农业实施的重要组成部分。极化合成孔径雷达技术不仅可以实现对作物全天时监测,而且对作物的结构信息敏感,在物候期提取中极具潜力。首先,以覆盖油菜整个生长期的5景时间序列全极化Radarsat-2数据为基础,基于Stokes矢量提取了平均强度g0、归一化平均强度g0m、平均极化度ρm、零度方向路线球面度Pdor、零度孔径路线倾斜度Idap和零度孔径路线弧对称度Aadap6个典型Stokes参数;然后,对比分析了这6个参数对油菜整个生长期动态变化的响应特征,并以此为基础采用决策树(decision tree,DT)算法对油菜的物候期进行了识别。研究结果表明,6个Stokes参数中,除ρm和Aadap外,其他4个参数均对油菜物候期变化敏感,在油菜物候期识别中具有极大的潜力。DT算法能有效识别油菜的各关键物候期,其分类结果与样地实测数据具有良好的一致性,总体分类精度为87.4%;在单个物候期的识别中,识别精度最高达到了94.3%。 展开更多
关键词 油菜 物候识别 Stokes参数 决策树算法
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部