基于无人机高光谱成像的葡萄品种分类
计算机视觉与模式识别
2024-07-30 v1 人工智能
机器学习
摘要
对不同葡萄品种的分类是精密葡萄园中相关的表型化学任务，因为它能够估计专为不同品种而设的葡萄园行的生长情况，以及涉及酒业的其他应用。该任务可通过耗时的破坏性方法实现，这些方法包括实验室中数据收集和分析。然而，无人机（UAV）提供了一种更高效且成本较低的数据收集高光谱方法，尽管获取的数据较为嘈杂。因此，首要任务是处理这些数据以纠正和降采样大量数据。此外，葡萄品种的高光谱特征非常相似。本文提出了一种用于对十七种红白葡萄变种进行分类的卷积神经网络（CNN）。本文不对单个样本进行分类，而是将其与其邻域一起处理。因此，提出了两种方法来提取空间和光谱特征：1）空间注意力层和2）Inception模块。该管道从数据处理到数据集处理，再到训练阶段。对拟合的模型以响应时间、准确率和数据可分离性进行评估，并与其他面向高光谱数据分类的最新CNN进行比较。我们的网络在输入波段数目更少、可训练权重更少，从而训练时间更短的情况下被证明更轻量。尽管如此，评估指标显示出我们的网络 (~99% 总体准确率)，与以往工作仅实现81% OA相比表现更佳。
引用
@article{arxiv.2401.12851,
title = {Classification of grapevine varieties using UAV hyperspectral imaging},
author = {Alfonso López and Carlos Javier Ogayar and Francisco Ramón Feito and Joaquim João Sousa},
journal= {arXiv preprint arXiv:2401.12851},
year = {2024}
}