基于深度学习的农业大棚遥感提取方法研究

来源 :无线电工程 | 被引量 : 0次 | 上传用户:Cyril
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
及时、准确地监测农业大棚的位置以及空间分布,是开展耕地"非农化"整治的工作重点。遥感技术因其时效性强、覆盖范围广等优势,已逐渐成为大棚监测的主要手段。为了提高农业大棚的遥感识别精度,缓解深度学习方法对于大数据量的需求,提出了一种基于残差神经网络(Residual Neural Network, ResNet)和迁移学习的农业大棚自动识别方法,能有效区分大棚及其混淆地物(林地、耕地、建设用地和水体)。将经过ImageNet图像数据集预训练得到的网络权重加载到ResNet网络模型中,利用少量经过数据扩增
其他文献
为从作物轮作角度分析华南典型赤红壤农区耕地质量空间差异,针对华南典型赤红壤农区构建作物轮作系统遥感分类体系,基于空间分析、文献支持、野外实地调查、农户访谈与专家知识,建立不同作物轮作系统与耕地质量等级之间的关联关系;基于Sentinel-1与Sentinel-2时间序列遥感数据、利用决策树制图方法,开展作物轮作系统遥感制图,并在不同空间尺度分析耕地质量空间差异与规律。结果表明,作物轮作系统与耕地质
期刊