近年來,小麥赤霉病多地區(qū)、大規(guī)模的爆發(fā),嚴重影響小麥的產量。目前已有研究表明,高光譜檢測技術能夠對小麥赤霉病及其其他病害進行檢測,并獲得了良好的結果。然而由于高光譜圖像具有數(shù)據(jù)量大、維度高等特點,所以本文選用深度學習方法,通過構建深度神經網(wǎng)絡模型對小麥赤霉病進行識別。為進一步提高深度神經網(wǎng)絡對小麥赤霉病識別的準確率,本文研究分析了深度模型網(wǎng)絡結構和多模型的集成學習方法,構建出了多種組合模型,并且評估分析了多種集成模型對小麥赤霉病識別的準確率和自身模型的泛化能力,從而尋找到最優(yōu)的識別小麥赤霉病的集成模型。根據(jù)研究目標確定的主要研究內容如下:1.研究了識別小麥赤霉病的深度神經網(wǎng)絡模型。構建四個不同結構的深度神經網(wǎng)絡模型,并對這四個模型進行結構分析。基于野外小麥赤霉病高光譜圖像數(shù)據(jù),對這四個模型進行訓練和測試,并通過訓練結果和測試結果對模型的整體性能進行分析評估。四個深度神經模型分別為卷積類神經網(wǎng)絡模型VGG₁和VGG₂,循環(huán)類神經網(wǎng)絡模型LSTM和GRU。2.研究了多模型的集成學習方法和最優(yōu)的模型組合方式。通過Stacking算法對四個深度神經網(wǎng)...

【文章頁數(shù)】：64 頁

【學位級別】：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小時的野外移動電源。??本文實驗于２０１８年５月３號和５月８號前往郭河實驗田進行，因為高光譜圖片??在采集過程中會受到環(huán)境的影響，如天氣情況、風俗、溫度等，所以在進行本次實驗??前特地查閱了天氣預報，確保拍攝當天是晴朗的天氣。本次的兩天實驗一共選取....

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號時，病害爆發(fā)不是很??嚴重，所以部分區(qū)域的病害并不明顯，而在３號至８號期間一直持續(xù)降雨，導致病情??迅速擴散，以至于部分區(qū)域的小麥均已感染，所以８號又重新選取了４個區(qū)域，結合??小麥的病情情況最終優(yōu)選了其中的六個區(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??來訓練多層卷積神經網(wǎng)絡，并對手寫數(shù)字進行識別，在實驗過程中多處用到了５Ｘ５??的卷積核，但當時ＬｅＣｕｎ....

圖２－４訓練集、驗證集、測試集像素點數(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)域像素點數(shù)據(jù)集作為測試集，并用于對模型的測試，訓練?....

本文編號：3960225