基于无人机遥感影像的农田作物识别（一）

最新推荐文章于 2023-12-28 22:06:05 发布
最新推荐文章于 2023-12-28 22:06:05 发布
阅读量1.9k 收藏 16
点赞数 1
分类专栏： 毕业设计 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45699027/article/details/115525338
版权
博主分享了深度学习学习历程，包括使用Photoshop裁剪数据集，转化图像标签，创建等大小小数据集的挑战，以及计划使用PSPnet、Segnet和Deeplabv3+进行实验。这篇博客旨在巩固知识并为答辩做准备。
摘要由CSDN通过智能技术生成

目录

前言

学了好久的深度学习，感觉还是马马虎虎的，好多东西用过又忘了，这次通过这个平台记录下来，希望能更透彻地掌握知识，同时也为我的答辩提供底气。

几个难点：

  1. 裁剪数据集，要用Photoshop初步裁剪。不太会用软件
  2. 将标注过的图像转化为标签信息，其中的代码需要配置新的环境
  3. 初步裁剪后的图像 要用代码转化为等大小的小数据集，其中的环境还没配置。
  4. 数据集制作好，就要跑代码了

选择的网络

  1. PSPnet
  2. segnet
  3. Deeplabv3+

哈哈哈 OK 就到这儿了 等我学成归来再更新

努力搬砖去大厂搬砖
关注
专栏目录
基于无人机遥感影像的农田作物识别（九）
蛋小酥的博客
04-27 1824
基于无人机遥感影像的农田作物识别碎碎念segnet网络训练8.31deeplabv3+训练模型7.12时期8.31时期7.31时期补充训练7.31时期segnet网络模型总结上次组会 碎碎念 好久不见。 好久没更新，因为之前的问题基本解决了，接下来做的，包括用segnet网络训练8.31时期的模型；用deeplabv3+网络训练模型；重新裁剪制作7.31时期的数据集，重新训练。都是一些重复性的工作，感觉没什么需要记录的~~~ 倒是中期答辩需要提交的记录，一直没写… segnet网络训练8.31 制作数据集的
基于无人机遥感影像的农田作物识别（二）
蛋小酥的博客
04-12 1641
根据题目修改标注 由于题目是识别农作物，然而标注的时候几乎每种类别包括杂草、道路都标注了，为了更贴合题目，要把不相关类别删除了，同时把农作物的标注更细化，便于后续程序识别。 配置环境 三级标题 四级标题 五级标题 六级标题 ...
无人机用于检测农作物健康状况，将帮助农民增产增收
weixin_34009794的博客
03-06 528
印度将使用无人机进行农作物检测将帮助农民及时了解农作物健康状况，实现农作物产品增产增收。 据悉，印度很多咖啡企业表示将利用无人机对当地农作物进行检测，主要用于检测农作物的健康状况。 无人机目前在农业上应用广泛，很多无人机被用于农业的数据收集以及设施精确分析。而无人机的使用在印度受到了限制，印度上百万的农民希望能允许无人机...
基于无人机遥感影像的农田作物识别（八）
蛋小酥的博客
04-22 2414
基于无人机遥感影像的农田作物识别前言8.31时期的训练分析现象7.12时期的训练分析解决问题 前言 上回说到，重新框选了7.12和8.31的训练集，然后整理数据集，像之前一样训练。然后在宿舍连接服务器进行了训练、测试。但结果却伤透了我的心。 8.31时期的训练 参数与之前相同，猕猴桃复制了三组（一共四组），然后直接是训练结果：（换了个服务器速度更快了） 可以看到正确率是0.8461，看起来还可以，然后进行预测： 预测速度： 预测结果： 正确的标注： 分析现象 大量背景被误识别为猕猴桃，油菜部分几乎没
基于无人机遥感影像的农田作物识别（三）
蛋小酥的博客
04-12 1861
基于无人机遥感影像的农田作物识别旋转矫正代码： interactive_rotate_with_pt.py初步裁剪裁剪为更小样本 今天的内容呢，是制作数据集，非常重要。包括上一篇文章的转为标签形式，还有这次的旋转矫正图像，初步裁剪图像划分训练集和测试集，以及裁剪为固定大小的图像形成数据集。 旋转矫正代码： interactive_rotate_with_pt.py 具体操作如下：运行代码后，图中会出现一个机器默认的矫正方案，如果想手动选取点，则点右键取消。用左键点击想要矫正的四个点，形成绿色的框，但不是矩形
一种基于深度学习的遥感图像分类及农田识别方法
张帅影&RS&DeepLearning
11-11 4476
文章针对现有的神经网络收敛速度慢、识别准确率不高的缺点，提出了一种基于卷积神经网络的遥感图像农田分类及识别方法。该算法使用较大的卷积核，有效地提取梯度信息；设计深度为6层的卷积神经网络，提高了网络的分类效果，且大大降低了网络的训练次数。 CNN框架的识别图像是经过融合处理后的遥感图像，包含多种不同的土地类别，因此要对遥感图像进行均匀剪裁。CNN需要对输入的图片进行多次卷积，而卷积神经网络对图像特征提取时，要求图像的大小不小于网络的局部感受视野，要求图片有合适的大小。 本文通过改变卷积层的数量和滤波器的大小来
一种遥感影像自动识别耕地类型的机器学习算法.pdf
09-24
一种遥感影像自动识别耕地类型的机器学习算法.pdf
基于无人机遥感影像的农田作物识别（五）
蛋小酥的博客
04-15 2546
基于无人机遥感影像的农田作物识别如何在服务器上跑程序测试昨天的模型解决问题，再次训练 明天早上8.30要汇报，今天必须写好这个记录和做PPT，时间来不及哇…明天写文章的话又怕记不住了，枯了枯了，先写吧 如何在服务器上跑程序 上回说到，用服务器跑程序，点这个—输入密码—如图输入命令，即可跑程序。source activate segnet命令很重要，是激活环境的。 其中，跑程序前要查看gpu利用率，用nvidia-smi命令：此时都没人用。 如果需要的话，改这里： 测试昨天的模型 昨天将训练集10000
基于无人机遥感影像的农田作物识别（六）
蛋小酥的博客
04-17 1626
基于无人机遥感影像的农田作物识别碎碎念将标注过的图片可视化第三次训练总结一下周五的组会 碎碎念 自从上次组会汇报完，就休息了一天（才一天？我感觉休息了好久），然后今天去搬砖了。今天感觉没干啥也，整理整理 将标注过的图片可视化 感觉没做啥的原因是，代码都是用的学长的，运行就好了。。。 改一下路径： 为了方便对比，把输出图像的RGB改为与测试程序相同的值，得到可视化的标注图像。 第三次训练 上次总结了问题，今天将7.31的图像再次训练，主要的还是数据集的划分。上次的背景误识别严重，所以这次手动框选训练集时尽
基于无人机遥感影像的农田作物识别（四）
蛋小酥的博客
04-13 932
基于无人机遥感影像的农田作物识别json2label重复昨天制作数据集的步骤训练网络！ 今天又进行了新的搬砖，搬砖好累 json2label 今天重新调试了程序，具体是昨天没有成功的json2label程序，那是怎么成功的呢？改动了什么了？当事人一无所知。 当事人知道了，程序是没问题的，得到图像不正确的原因是之前的labelme版本太高了，而在user的环境中，labelme是3.0的，得到的结果就正确了。 如何调用user环境： 新学到的操作：运行的程序想终止：Ctrl+c 得到的结果： 虽然看着是全
一种基于深度学习的遥感图像分类及农田识别方法.pdf
08-19
一种基于深度学习的遥感图像分类及农田识别方法.pdf
农作物长势综合遥感监测方法
11-09
详细介绍农作物长势综合遥感监测方法，适合农业与信息结合的专业学生。
基于阿里云达摩院的AI Earth的深度学习，实现遥感影像识别，以耕地变化检测为例
weixin_42464154的博客
03-07 3452
阿里云达摩院的AI Earth最新刚上线，能够在线实现遥感影像的深度学习，需要申请注册应用，官网地址：https://engine-aiearth.aliyun.com/#/ 1、选择相应的影像数据 2、进行预处理 先进行波段融合，或进行区域裁剪，两者达到的目的相同，及合成多波段tif影像。 这里需要注意，原始波段影像不能够直接进行分析，需要进行波段融合，融合成单景tif格式，其实现方式也在平台中操作。 这里选用234波段进行波段合成，波段排列顺序为4、3、2。融合完成后，结果如下图，为tif格式
基于遥感影像的耕地地块提取相关论文、代码以及相关开源数据集
热门推荐
如果想成为中心，那么就到中心去吧。
03-03 2万+
文章目录前言2018Deep Extraction of Cropland Parcels from Very High-Resolution Remotely Sensed Imagery 前言 本博文是对关于农田提取论文的简单汇总。有比较新颖的方法，欢迎大家在下面留言。 2018 Deep Extraction of Cropland Parcels from Very High-Resolution Remotely Sensed Imagery 摘要 从高分辨率遥感影像中提取耕地面积是实现精准农业等
梁平区国调队第一次用无人机给农作物进行遥感测量
jiahongyang000的博客
06-14 632
在重庆市梁平区明达镇朝阳村6月11日的田间，出现了一架无人机，这引起了村民的关注。其原因是梁平区国调队第一次用无人机给农作物进行遥感测量。据了解，统计调查部门继城乡收入调查电子记账后采新的一个调查手段——无人机农作物遥感测量。工作人员通过卫星定位引导自动拍摄需监测地块的高清航拍影像，在使用专用软件进行拼接图像、勾画地块、解译地物信息等处理，然后获取特定范围内农作物的种植面积、种植结构、作物单产、种...
遥感技术应用于作物类型种植面积估算实例
最新发布
12-28 1033
在分类过程中，分别对不同组合的SAR数据进行了分类，以评价多源SAR数据在作物分类中的应用潜力，并确定利用SAR数据进行作物分类的最佳组合。但是，使用三个时相的数据相对于花期和拔节期两个时相数据组合的分类精度提高有限，表明两个合适时相数据的组合可以达到足够的分类精度，再多时相的组合对于分类精度的提高作用不大。单独使用环境星数据的分类精度明显低于融合数据，在分类方法上，环境星数据和融合数据都是采用支持向量机分类方法精度最好，并且使用融合数据比单独使用环境星数据分类精度提高约 5 个百分点，达到 94.3％。
【论文笔记】：综述--作物遥感分类研究进展
crush111的博客
11-01 3053
论文笔记：综述–作物遥感分类研究进展 摘要： 农作物精细分类是农业资源与环境监测的重要环节，提取不同作物种植信息能够为我国农业生产提供基础数据支撑。本文旨在梳理作物遥感分类关键技术的发展脉络，重点评述了分类特征、尺度问题以及分类方法3个方面的情况，最后讨论和展望了今后作物遥感分类研究的发展方向，希望提供现阶段作物遥感分类研究进展，为作物遥感研究方法的创新和改善提供理论支撑，为后续农业遥感应用提供参考。 关键词: 作物分类; 特征提取; 尺度效应; 分类方法 1.分类特征 从单一特征趋向多特征并用，–这是有
基于无人机遥感影像的农田作物识别（七）
蛋小酥的博客
04-19 681
基于无人机遥感影像的农田作物识别碎碎念同样的框选，不同的图？就 照常地制作数据集 碎碎念 今天照常搬砖，主要是解决上次框选猕猴桃训练集时，tif 文件与其他文件（label、png）不对应的情况。还有制作7.12与8.31的数据集。 同样的框选，不同的图？ 刚开始以为是程序的问题，或者是框选的时候只框了一个不对劲？后面发现其他图片也对不上。究其原因是用tif图片生成的png图片分辨率大小不一样。最后用Photoshop重新导出，就一样了。 不争气的电脑，用了很多时间。。。 就 照常地制作数据集 在复制整理各
基于无人机高光谱长势指标的冬小麦检测
JIUJIUZ的博客
04-21 556
2020年2月文章—《农业机械学报》 研究方法 选取光谱指数：通过实验分析选取合适的4个光谱指数 构建新指标—长势检测指标（Growth monitoring indicator，GMI）。方法是分别对生物量和叶面积指数进行归一化，然后在新指标中各占比0.5 建立反演模型，验证，精度评价 结果分析 无人机高光谱数据可靠性验证（无人机高光谱数据和地面高光谱数据做对比分析） 光谱指数与GMI相关性分析（不同生育期光谱指数和生物量、LAI、GMI相关性分析）。 生育期：拔节期、挑旗期、开花期、灌浆期 实验结
无人机遥感下冬小麦氮素诊断关键技术及其精度评估
本研究论文探讨了"基于无人机遥感的冬小麦氮素营养诊断"这一主题，着重于利用无人机技术在现代农业中的实际应用。作者刘昌华、马文玉、陈志超等人在2018年发表在《河南理工大学学报(自然科学版)》上的文章中，针对...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值