文献类型：期刊文章

作　　者：汪传建[1,2] 赵庆展[1,2] 马永建[1,2] 任媛媛[1,2]

WANG Chuanjian;ZHAO Qingzhan;MA Yongjian;REN Yuanyuan(College of Information Science and Technology,Shihezi University,Shihezi 832000,China;Geospatial Information Engineering Research Center,Xinjiang Production and Construction Corps,Shihezi 832000,China)

机构地区：[1]石河子大学信息科学与技术学院,石河子832000 [2]兵团空间信息工程技术研究中心,石河子832000

出　　处：《农业机械学报》

基　　金：国家重点研发计划项目(2017YFB0504203);新疆生产建设兵团空间信息创新团队项目(2016AB001)

年　　份：2019

卷　　号：50

期　　号：11

起止页码：161-168

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对采用长时间序列卫星影像、结合物候特征进行农作物精细分类识别精度较低的问题,将深度学习用于无人机遥感农作物识别,提出一种基于卷积神经网络的农作物精细分类方法,利用卷积神经网络提取高分辨率遥感影像中的农作物特征,通过调整网络参数及样本光谱组合,进一步优化网络结构,得到农作物识别模型。研究结果表明:卷积神经网络能够有效地提取影像中的农作物信息,实现农作物精细分类。除地块边缘因农作物种植稀疏、混杂而产生少许错分现象外,其他区域均得到较好的分类效果。经训练优化后的模型对3种农作物总体分类精度可达97.75%,优于SVM、BP神经网络等分类算法。

关 键 词：深度学习  无人机遥感 卷积神经网络 农作物分类  

分 类 号：TP79] S127]