用于小麦冻害检测的深度代价敏感学习
计算机视觉与模式识别
2022-12-27 v1
摘要
冻害是导致小麦减产的主要因素之一。因此，准确高效地检测小麦冻害有助于种植者及时采取相应措施以减少经济损失。为检测小麦冻害，本文通过采集以温度、小麦产量及手持式高光谱光谱仪提供的高光谱信息为特征的数据，构建了高光谱小麦冻害数据集。然而，由于数据不平衡，即健康样本数远多于冻害样本数，深度学习算法往往偏向预测健康样本，导致模型对健康样本过拟合。为此，我们提出一种基于深度代价敏感学习的方法，以一维卷积神经网络为基本框架，并将带固定因子与调整因子的代价敏感学习融入损失函数以训练网络。同时，采用准确率与分数作为评价指标。实验结果表明，检测准确率与分数分别达到 0.943 与 0.623，这表明该方法在保障整体准确率的同时，有效提升了冻害样本的检测率。
引用
@article{arxiv.2212.12856,
title = {Deep Cost-sensitive Learning for Wheat Frost Detection},
author = {Shujian Cao and Lin Cui and Haipeng Liu},
journal= {arXiv preprint arXiv:2212.12856},
year = {2022}
}
备注
7 pages, 4 figures, accepted by ICBAIE 2022