在樹木的生長(zhǎng)發(fā)育過程中,根系起著至關(guān)重要的作用。而地下根系錯(cuò)綜復(fù)雜,盤根交錯(cuò),因此對(duì)樹木根系的識(shí)別定位是目前亟待解決的問題。傳統(tǒng)的根系掃描圖像定位識(shí)別方法多是基于數(shù)字圖像分析的方法,存在各種問題,限制其廣泛應(yīng)用。Faster Region CNN(Faster-rCNN)作為深度學(xué)習(xí)中的目標(biāo)識(shí)別模型,不僅可以實(shí)現(xiàn)分類的效果,還可以通過Region Proposal Network(RPN)實(shí)現(xiàn)感興趣區(qū)域的快速定位,使根系掃描圖像識(shí)別定位實(shí)現(xiàn)自動(dòng)化。本文致力于研究基于Faster-rCNN的根系掃描圖像定位識(shí)別方法,主要工作包括以下方面:1.構(gòu)造根系識(shí)別數(shù)據(jù)集。數(shù)據(jù)集由兩部分組成,分別為利用GPRMAX V2.0正演的模擬圖像以及通過埋根法采集的實(shí)地圖像。2.設(shè)計(jì)Faster-rCNN網(wǎng)絡(luò)結(jié)構(gòu)。本文使用模擬圖像數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò),結(jié)果顯示分類準(zhǔn)確率達(dá)到86%。表明該模型對(duì)雙曲線的識(shí)別定位具有應(yīng)用價(jià)值。再使用實(shí)地圖像數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò),模型準(zhǔn)確率為72%,進(jìn)一步說明模型對(duì)雙曲線識(shí)別定位的可行性。3.探究主成分分析(PCA)在根系識(shí)別中的應(yīng)用。首先將PCA應(yīng)用于手勢(shì)識(shí)別領(lǐng)域中探究PCA的最佳數(shù)據(jù)維度...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)根系識(shí)別方法
        1.2.2 基于機(jī)器學(xué)習(xí)的根系識(shí)別算法
    1.3 本文的主要內(nèi)容和研究路線
    1.4 論文結(jié)構(gòu)安排
2 數(shù)據(jù)獲取試驗(yàn)方法
    2.1 根系雷達(dá)波圖像正演模擬
    2.2 埋根法獲取實(shí)地圖像
        2.2.1 根系掃描圖像的獲取
        2.2.2 根系掃描圖像的預(yù)處理
    2.3 本章小節(jié)
3 基于Faster-rCNN的根系識(shí)別方法研究
    3.1 Faster-rCNN網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練
        3.1.1 整體結(jié)構(gòu)
        3.1.2 網(wǎng)絡(luò)結(jié)構(gòu)詳解
        3.1.3 網(wǎng)絡(luò)訓(xùn)練
    3.2 算法的測(cè)試與應(yīng)用
    3.3 本章小結(jié)
4 主成分分析在根系識(shí)別應(yīng)用中的探究
    4.1 主成分分析方法原理和應(yīng)用研究
        4.1.1 主成分分析方法原理
        4.1.2 主成分分析算法可行性驗(yàn)證
    4.2 主成分分析在根系定位識(shí)別中的應(yīng)用
    4.3 本章小結(jié)
5 基于Faster-rCNN的雷達(dá)波根系識(shí)別應(yīng)用
    5.1 正演圖像的識(shí)別應(yīng)用
    5.2 預(yù)埋實(shí)驗(yàn)圖像的識(shí)別應(yīng)用
    5.3 頤和園野外圖像的識(shí)別應(yīng)用
        5.3.1 現(xiàn)場(chǎng)實(shí)驗(yàn)場(chǎng)景
        5.3.2 根系識(shí)別算法測(cè)試效果
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
導(dǎo)師簡(jiǎn)介
獲得成果目錄
致謝



本文編號(hào)：3838019