论文摘要
为快速准确获取灌区渠系分布信息,科学调配区域农业水资源、提高水资源利用率,通过基于全卷积神经网络（Fully convolutional networks,FCN）的语义分割模型进行渠系轮廓提取。利用无人机采集正射影像并进行标注,以VGG-19网络为基础,通过多尺度特征融合的方式实现FCN-8s结构,使用Tensorflow深度学习框架构建FCN渠系提取模型;对数据集进行数据增强,分割后放入FCN模型中训练、测试。实验结果显示,针对不同复杂程度的测试区域,FCN模型的提取准确度、完整度、精度均高于支持向量机方法和改进霍夫变换方法,均值分别为95. 78%、92. 29%、89. 45%。结果表明,该方法能够实现灌区渠系轮廓的高精度提取,具有较好的泛化性和鲁棒性。
论文目录
文章来源
类型: 期刊论文
作者: 张宏鸣,王斌,韩文霆,杨江涛,蒲攀,蔚继承
关键词: 渠系,提取,全卷积神经网络,无人机,正射影像,语义分割
来源: 农业机械学报 2019年06期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,农业工程,自动化技术
单位: 西北农林科技大学信息工程学院,西北农林科技大学机械与电子工程学院,西北农林科技大学水利与建筑工程学院
基金: 国家自然科学基金项目(41771315),国家重点研发计划项目(2017YFC0403203),宁夏自治区重点研发计划项目(2017BY067),欧盟地平线2020研究与创新计划项目(GA:635750)
分类号: S274;TP751;TP183
页码: 241-248
总页数: 8
文件大小: 545K
下载量: 295