English

中国农机化学报

中国农机化学报 ›› 2020, Vol. 41 ›› Issue (2): 141-146+189.DOI: 10.13733/j.jcam.issn.2095-5553.2020.02.22

• 中国农机化学报 • 上一篇    下一篇

基于深度卷积神经网络的红树林物种无人机监测研究

黄亦其;刘琪;赵建晔;黄文善;孙中宇;乔曦;   

  1. 广西大学机械工程学院;中国农业科学院深圳农业基因组研究所;青岛中农万联科技有限公司;广东省科学院广州地理研究所;
  • 出版日期:2020-02-15 发布日期:2020-02-15
  • 基金资助:
    国家自然科学基金青年科学基金项目(31801804);; 大鹏新区产业发展专项资金项目(KY20180117);; 广东省科学院实施驱动发展能力建设专项(2018GDASCX—0101)

  • Online:2020-02-15 Published:2020-02-15

摘要: 红树林生态系统具有重要的生态价值和经济价值。但是近年来由于人类活动、环境污染等因素红树林的面积日益减少,红树林的保护变得极其迫切且重要。提出一种基于深度学习的红树林物种监测方法,以无人机采集红树林待监测区域图像为研究对象,基于LeNet-5模型结构构建深度卷积神经网络模型,将得到的新的网络模型命名为LeNet-5(2)。在新的卷积神经网络模型中,利用Leaky-ReLU激活函数解决模型中容易出现的梯度消失的问题,并且采用dropout技术提高网络模型的泛化能力,解决网络模型中容易出现的过拟合问题。利用LeNet-5(2)网络模型对红树林图像进行物种识别并标记,总体识别准确率87.31%,基本映射红树林各类物种的分布情况,预测出图像中4类红树林物种的面积分别为:白骨壤1 578.31 m~2、红海榄162.07 m~2、木榄58.94 m~2、秋茄871.79 m~2。将预测结果与图像中红树林物种的实际分布进行比较,总体上符合四类物种的实际分布情况。

中图分类号: