学术中心

全部分类
您现在的位置:
首页
/
/
/
基于图像时间序列的作物映射

基于图像时间序列的作物映射

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-03-07 06:10
  • 访问量:

【概要描述】本文开发了一种利用这些专业知识的作物分类方法,该方法能够显著改进稀有作物类型的映射。

基于图像时间序列的作物映射

【概要描述】本文开发了一种利用这些专业知识的作物分类方法,该方法能够显著改进稀有作物类型的映射。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-03-07 06:10
  • 访问量:
详情

本文的目的是通过对卫星图像时间序列进行分类来绘制农作物映射。农业领域专家使用以树状结构组织的农作物类型标签,其中将粗类(如果园)细分为较细的类(如苹果,梨,藤蔓等)。本文开发了一种利用这些专业知识的作物分类方法,该方法能够显著改进稀有作物类型的映射。

 

ZueriCrop数据集的所有作物类别的层次结构

 


2019年收集的ZueriCrop数据集概述

 

首先,在卷积递归神经网络(convRNN)中对三层标签层次结构进行编码,使得该模型可以针对每个像素,以不同的粒度级别进行预测。这种端到端可训练的分层网络结构允许模型在较粗的层次(如果园)学习稀有类(如苹果、梨)的联合特征表示,从而提高细粒度层次的分类性能。此外,不同粒度的标签也可以根据分类分数调整输出,因为在农业实践中,具有高可信度的粗标签有时比细粒度但非常不确定的标签更有用。我们在公开的一个新的大型数据集——ZueriCrop,上验证了所提出的方法。该数据集覆盖了瑞士苏黎世和瑟高两个州50 km x 48 km的区域,共有116'000块农田,48个作物类别,以及28000个(多时相)图像块。我们比较了本文提出的分层convRNN模型与几种基线,包括为不平衡类分布设计的方法。结果显示,该分层方法在F1成绩中的表现至少优于9.9个百分点。

 

各种样品的目测结果

 

来源:

Turkoglu M O, D'Aronco S, Perich G, et al. Crop mapping from image time series: deep learning with multi-scale label hierarchies. arXiv:2102.08820.

关键词:

扫二维码用手机看

推荐新闻

致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城东路10号院
          京城尚德智造产业园E区112B

电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明