一种无人机拍摄的农作物图像识别方法技术

本发明专利技术提供一种无人机拍摄的农作物图像识别方法。一种无人机拍摄的农作物图像识别方法，其特征在于，包括如下步骤：S1.对无人机拍摄的农作物图像构建属性信息并进行预处理，获得农作物图像数据集；S2.采用迁移学习的思想预训练卷积神经网络模型；S3.用步骤S1得到的农作物图像数据集对步骤S2预训练后的卷积神经网络进行微调，提取卷积神经网络模型不同层的特征进行结合，获得图像特征表示；S4.用SVM分类器对步骤S3中得到的图像特征进行分类，完成农作物图像分类，得出分类结果，最后将无人机拍摄的农作物图像输入到步骤S3中的卷积神经网络模型进行识别。本发明专利技术能够在图像数据集有限情况下，利用目标图像已标记的样本辅助目标图像数据进行更有效的识别。

【技术实现步骤摘要】
一种无人机拍摄的农作物图像识别方法
本专利技术涉及图像处理与识别
，更具体地，涉及一种无人机拍摄的农作物图像识别方法。
技术介绍
近年来，图像识别技术发展迅速，尤其深度学习使得图像识别的性能得到显著提高。利用深度学习识别由无人机拍摄的农作物图像能有效推动传统农业向现代农业的发展。然而，深度学习是需要巨大的样本实现模型的训练，无人机拍摄的图像数据有限，较难实现有效的训练；有相关的研究显示学习到的特征与识别的任务是紧密相关的，而传统的卷积神经网络的特征识别算法在精度上很难满足现实场景的需要，特别高层特征属于比较抽象的语义特征，易丢失图像的细节信息。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷，提供一种无人机拍摄的农作物图像识别方法。本专利技术使用迁移学习解决解决训练样本的不足；改进卷积神经网络层的特征提取，结合不同层的特征和SVM的决策提升图像的识别率；从而达到在图像数据集有限情况下，利用目标图像已标记的样本辅助目标图像数据进行更有效的识别。为解决上述技术问题，本专利技术采用的技术方案是：一种无人机拍摄的农作物图像识别方法，其中，包括如下步骤：S1.对无人机拍摄的农作本文档来自技高网...

【技术保护点】
1.一种无人机拍摄的农作物图像识别方法，其特征在于，包括如下步骤：S1.对无人机拍摄的农作物图像构建属性信息并进行预处理，以获得农作物图像数据集；S2.采用迁移学习的思想预训练卷积神经网络模型；S3.用步骤S1得到的农作物图像数据集对步骤S2预训练后的卷积神经网络模型进行微调，提取卷积神经网络模型不同层的特征进行结合，获得图像特征表示；S4.用SVM分类器对步骤S3中得到的图像特征进行分类，完成农作物图像分类，得出分类结果，最后将无人机拍摄的农作物图像输入到步骤S3中的卷积神经网络模型进行识别。

【技术特征摘要】
1.一种无人机拍摄的农作物图像识别方法，其特征在于，包括如下步骤：S1.对无人机拍摄的农作物图像构建属性信息并进行预处理，以获得农作物图像数据集；S2.采用迁移学习的思想预训练卷积神经网络模型；S3.用步骤S1得到的农作物图像数据集对步骤S2预训练后的卷积神经网络模型进行微调，提取卷积神经网络模型不同层的特征进行结合，获得图像特征表示；S4.用SVM分类器对步骤S3中得到的图像特征进行分类，完成农作物图像分类，得出分类结果，最后将无人机拍摄的农作物图像输入到步骤S3中的卷积神经网络模型进行识别。2.根据权利要求1所述的一种无人机拍摄的农作物图像识别方法，其特征在于，所述步骤S2中采用的卷积神经网络模型为VGG_16模型。3.根据权利要求2所述的一种无人机拍摄的农作物图像识别方法，其特征在于，所述步骤S1中，对无人机拍摄的农作物图像构建属性信息并进行预处理包括如下步骤：S11.用K-means算法将输入的彩色图像分割成农作物和背景，为了加快程序，在分割之前将图像大小减少30％；S12.通过处理R、G、B每个通道来增强农作物部分的对比度；S13.计算目标农作物的质心和长轴，通过旋转目标农作物来使其主轴水平，从而使农作物的方向达到正常；S14.获取目标农作物区域作为方位标准化其最大面积平方，使用增强彩色农作物的相应正方形区域来提取特征；S15.填充并调整目标农作物区域图像为224×224像素以适合VGG_16模型的输入层，并对不同种类的农作物图像做好类别...

【专利技术属性】
技术研发人员：陈小帮，左亚尧，王铭锋，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44