摘要
传统的导航线提取方法通常依赖于手工设计的特征和规则,存在着提取效果不稳定、适应性差等问题。为了解决这些问题,本研究探讨了卷积神经网络在农作物导航线提取中的应用,提出了基于卷积神经网络的导航线提取方法。首先说明了导航线的传统提取方法以及卷积神经网络各层的结构特点,然后介绍了导航线提取中用到的经典卷积神经网络模型及其相互间的区别,最后简要综述了卷积神经网络在导航线提取中的应用,并指出了卷积神经网络未来的研究方向。研究结果表明,在导航线提取中,常用的卷积神经网络模型有U-Net、YOLO、FCN-VGG等,通常用于语义分割和目标检测,可以用来捕获图像中的全局特征信息,并在语义类别和图像像素之间建立一对一的映射关系,以获得更好的分割结果和检测效果。未来,还可以从模型更灵巧、识别更精准等方面逐步优化其对导航线的提取效果,进一步推动农业生产方式转变与农业产业结构优化升级,为农业生产现代化发展提供科技助力。
出处
《南方农机》
2024年第17期20-22,26,共4页
基金
2023黑龙江省重点研发计划“揭榜挂帅”(2023ZXJ07B02)。
