利用时空-光谱深度卷积神经网络进行水稻分类
计算机视觉与模式识别
2019-06-26 v3
摘要
水稻一直是显著贡献于人类食物供给的主食之一。众多水稻品种已在全球范围内被种植、进口与出口。不同水稻品种可能在生产与贸易过程中混杂。水稻杂质会损害进口商与出口商之间的信任，亟需开发水稻品种检测系统。本工作中，我们开发了一种非破坏性水稻品种分类系统，其得益于高光谱成像与深度卷积神经网络(CNN)之间的协同。所提方法使用高光谱成像系统同时获取水稻种子的互补空间与光谱信息，随后利用深度CNN从所获取的时空-光谱数据中判定水稻品种。与若干需要手工设计特征的现有水稻品种分类方法不同，所提方法从原始传感器数据自动提取时空-光谱特征。如两类水稻数据集所示，与常用的基于支持向量机的分类方法相比，所提方法在平均分类准确率上取得了最高11.9%的绝对提升。
引用
@article{arxiv.1805.11491,
title = {Rice Classification Using Spatio-Spectral Deep Convolutional Neural Network},
author = {Itthi Chatnuntawech and Kittipong Tantisantisom and Paisan Khanchaitit and Thitikorn Boonkoom and Berkin Bilgic and Ekapol Chuangsuwanich},
journal= {arXiv preprint arXiv:1805.11491},
year = {2019}
}
备注
22 pages, 10 figures, 6 tables; more methods and experiments included with references; link to github included; article restructured for clarity; typos fixed