近年來,小麥赤霉病多地區(qū)、大規(guī)模的爆發(fā),嚴(yán)重影響小麥的產(chǎn)量。目前已有研究表明,高光譜檢測(cè)技術(shù)能夠?qū)π←湷嗝共〖捌淦渌『M(jìn)行檢測(cè),并獲得了良好的結(jié)果。然而由于高光譜圖像具有數(shù)據(jù)量大、維度高等特點(diǎn),所以本文選用深度學(xué)習(xí)方法,通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型對(duì)小麥赤霉病進(jìn)行識(shí)別。為進(jìn)一步提高深度神經(jīng)網(wǎng)絡(luò)對(duì)小麥赤霉病識(shí)別的準(zhǔn)確率,本文研究分析了深度模型網(wǎng)絡(luò)結(jié)構(gòu)和多模型的集成學(xué)習(xí)方法,構(gòu)建出了多種組合模型,并且評(píng)估分析了多種集成模型對(duì)小麥赤霉病識(shí)別的準(zhǔn)確率和自身模型的泛化能力,從而尋找到最優(yōu)的識(shí)別小麥赤霉病的集成模型。根據(jù)研究目標(biāo)確定的主要研究?jī)?nèi)容如下:1.研究了識(shí)別小麥赤霉病的深度神經(jīng)網(wǎng)絡(luò)模型。構(gòu)建四個(gè)不同結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)模型,并對(duì)這四個(gè)模型進(jìn)行結(jié)構(gòu)分析。基于野外小麥赤霉病高光譜圖像數(shù)據(jù),對(duì)這四個(gè)模型進(jìn)行訓(xùn)練和測(cè)試,并通過訓(xùn)練結(jié)果和測(cè)試結(jié)果對(duì)模型的整體性能進(jìn)行分析評(píng)估。四個(gè)深度神經(jīng)模型分別為卷積類神經(jīng)網(wǎng)絡(luò)模型VGG₁和VGG₂,循環(huán)類神經(jīng)網(wǎng)絡(luò)模型LSTM和GRU。2.研究了多模型的集成學(xué)習(xí)方法和最優(yōu)的模型組合方式。通過Stacking算法對(duì)四個(gè)深度神經(jīng)網(wǎng)...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１野外高光譜采集系統(tǒng)俯視的模擬圖??Ｆｉｇｕｒｅ?２－１?Ｆｉｅｌｄ?Ｈｙｐｅｒｓｐｅｃｔｒａｌ?Ａｃｑｕｉｓｉｔｉｏｎ?Ｓｙｓｔｅｍ?Ｏｖｅｒｌｏｏｋｉｎｇ?Ｓｉｍｕｌａｔｉｏｎ??１０??

可以保證髙光譜系統(tǒng)野外工作３？５小時(shí)的野外移動(dòng)電源。??本文實(shí)驗(yàn)于２０１８年５月３號(hào)和５月８號(hào)前往郭河實(shí)驗(yàn)田進(jìn)行，因?yàn)楦吖庾V圖片??在采集過程中會(huì)受到環(huán)境的影響，如天氣情況、風(fēng)俗、溫度等，所以在進(jìn)行本次實(shí)驗(yàn)??前特地查閱了天氣預(yù)報(bào)，確保拍攝當(dāng)天是晴朗的天氣。本次的兩天實(shí)驗(yàn)一共選取....

圖２－２小麥萵光譜圖像及其感興趣｜Ｘ：域??Ｆｉｇｕｒｅ?２－?２?Ｗｈｅａｔ?１?ｌｙｐｅｒｓｐｅｃｔｒａｌ?Ｉｍａｇｅ?ａｎｄ?Ｒｅｇｉｏｎ?ｏｆ?Ｉｎｔｅｒｅｓｔ??Ｘ

３號(hào)時(shí)，病害爆發(fā)不是很??嚴(yán)重，所以部分區(qū)域的病害并不明顯，而在３號(hào)至８號(hào)期間一直持續(xù)降雨，導(dǎo)致病情??迅速擴(kuò)散，以至于部分區(qū)域的小麥均已感染，所以８號(hào)又重新選取了４個(gè)區(qū)域，結(jié)合??小麥的病情情況最終優(yōu)選了其中的六個(gè)區(qū)域作為本文的數(shù)據(jù)集。??Ｓｉｍｐｌｅｌ?Ｓｉｍｐｌｅ４?Ｓｉｍ....

圖２－３不同類別的數(shù)據(jù)量??Ｆｉｇｕｒｅ?２－?３?Ａｍｏｕｎｔ?ｏｆ?Ｄａｔａ?ｉｎ?ＤｉｆＴｅｒｅｎｔ?Ｃａｔｅｇｏｒｉｅｓ??

傳播算法是在１９８６年由Ｒｕｍｅｌｈａｒｔ和Ｈｉｎｔｏｎ等人提出，該算法解決了單層感知器之??前所不能解決的一些問題。在反向傳播算法提出之后，ＬｅＣｕｎ等人利用反向傳播算法??來訓(xùn)練多層卷積神經(jīng)網(wǎng)絡(luò)，并對(duì)手寫數(shù)字進(jìn)行識(shí)別，在實(shí)驗(yàn)過程中多處用到了５Ｘ５??的卷積核，但當(dāng)時(shí)ＬｅＣｕｎ....

圖２－４訓(xùn)練集、驗(yàn)證集、測(cè)試集像素點(diǎn)數(shù)量??Ｆｉｇｕｒｅ?２－４?Ｔｈｅ?Ｐｉｘｅｌ?Ｎｕｍｂｅｒ?〇ｎ＞ａｉｎｉｎｇ?Ｓｅｔ，Ｖａｌｉｄａｔｉｏｎ?Ｓｅｔ，Ｔｅｓｔｉｎｇ?Ｓｅｔ??

ｓｅａｓｅ?ｋｇ?ｒｏｕｎｄ??３１％２６％??＾＾ｅａｌｔｈ??４３％??圖２－３不同類別的數(shù)據(jù)量??Ｆｉｇｕｒｅ?２－?３?Ａｍｏｕｎｔ?ｏｆ?Ｄａｔａ?ｉｎ?ＤｉｆＴｅｒｅｎｔ?Ｃａｔｅｇｏｒｉｅｓ??本文將剩下的感興趣區(qū)域像素點(diǎn)數(shù)據(jù)集作為測(cè)試集，并用于對(duì)模型的測(cè)試，訓(xùn)練?....

本文編號(hào)：3960225