基于深度学习的白喉乌头与牧草高精度分类研究

来源：江苏农业科学杂志2021年第第12期北京时间：

作者：范宏;刘素红;陈吉军;沈江龙;乔雪丽;郑江华

单位：1.新疆大学资源与环境科学学院，新疆乌鲁木齐 830046； 2.新疆大学绿洲生态教育部重点实验室，新疆乌鲁木齐 830046；3.北京师范大学环境遥感与数字城市北京重点实验室，北京 100875； 4.新疆治蝗灭鼠指挥部办公室，新疆乌鲁木齐 830046

摘要：采用无人机获取白喉乌头危害草原区的1 cm空间分辨率的无人机数字正射影像，分别在5×5、10×10、20×20、40×40、80×80像素5个尺度下选取白喉乌头和普通牧草2类训练样本，使用VGG16、VGG19、ResNet50等3种模型对图像切片的特征进行学习，以获取图像切片的深层特征，进而实现对2类地物的分类提取。对比5个分割尺度下3种模型得到的分类精度，发现不同的分割尺度对分类精度有明显影响，随着分割尺度的增加分类精度呈现出先升高再降低的趋势，在40×40像素尺度下3种方法都得到了最高的分类精度，分别为95.31%、96.88%、93.75%，白喉乌头的分类验证精度分别为86.52%、92.77%、93.81%。对分类结果进行分析发现，在40×40像素的尺度下对应的地面实际范围是40 cm×40 cm，与白喉乌头的单株长宽接近，能较好地提取白喉乌头整株的深层特征。

关键词：卷积神经网络;毒害草;无人机影像;图像识别;白喉乌头;牧草