典型文献
基于Swin Transformer模型的玉米生长期分类
文献摘要：
快速准确识别玉米生长的不同阶段,对于玉米种植周期的高效精准管理具有重要意义.针对大田环境下玉米生长阶段分类辨识易受复杂背景、户外光照等因素影响的问题,该研究采用无人机获取玉米不同生长阶段的图像信息,以苗期、拔节期、小喇叭口期、大喇叭口期4个生长阶段为对象,利用Swin Transformer(Swin-T)模型引入迁移学习实现玉米不同生长阶段的快速识别.首先结合玉米垄面走向特性,将训练集旋转8次用以扩充数据集;为探究各模型在非清晰数据集上的表现,采用高斯模糊方法将测试集转换6次;最后以AlexNet,VGG16,GoogLeNet做为对比,评估Swin-T模型性能.试验结果表明,Swin-T模型在原始测试集的总体准确率为98.7％,相比于AlexNet,VGG16,GoogLeNet模型分别高出6.9、2.7和2.0个百分点;在错误分类中,大喇叭口期和小喇叭口期由于冠层特征相似,造成识别错误的概率最大;在非清晰数据集下,AlexNet,VGG16,GoogLeNet模型精度总体退化指数分别为12.4％、10.4％和15.0％,Swin-T模型总体退化指数为8.31％,并且退化均衡度、平均退化指数、最大退化准确率均表现最佳.研究结果表明:在分类精度、模糊图像输入等方面,Swin-T模型能够较好地满足实际生产中玉米不同生长阶段分类识别的需求,可为玉米生长阶段的智能化监测提供技术支撑.
文献关键词：
图像处理;深度学习;玉米生长期;分类识别;Swin Transformer
中图分类号：
作者姓名：
扶兰兰;黄昊;王恒;黄胜操;陈度
作者机构：
中国农业大学工学院,北京 100083;中国农业大学烟台研究院,烟台 264670;国家农机装备创新中心,洛阳 471934;中国农业大学现代农业装备优化设计北京市重点实验室,北京 100083
文献出处：
引用格式：
[1]扶兰兰;黄昊;王恒;黄胜操;陈度-.基于Swin Transformer模型的玉米生长期分类)[J].农业工程学报,2022(14):191-200
A类：
B类：
Swin,Transformer,玉米生长期,快速准确,准确识别,玉米种植,种植周期,精准管理,大田,生长阶段,复杂背景,户外,图像信息,苗期,拔节期,小喇叭,喇叭口,大喇叭,迁移学习,快速识别,训练集,充数,高斯模糊,测试集,AlexNet,VGG16,GoogLeNet,做为,模型性能,百分点,误分类,冠层特征,模型精度,均衡度,分类精度,模糊图像,分类识别,智能化监测
AB值：
0.33629
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
