公开(公告)号：CN112329703A

公开(公告)日：2021-02-05

申请号：CN202011311592.0

申请日：2020-11-20

Applicant: 北京林业大学

Inventor： 黄季夏 ,  卢晓 ,  陈力原 ,  方国飞 ,  孙红

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种适宜识别松材线虫病遥感影像的深度卷积神经网络的构建方法，其步骤为：第一步构建松材线虫病遥感影像样本数据集，第二步选择SqueezeNet卷积神经网络进行迁移学习，第三步进行SqueezeNet深度卷积神经网络训练参数的优化，第四步进行深度卷积神经网络结构的优化。本发明流程简单，便于实际操作，实用性强，为松材线虫病的监测提供一种新的技术手段，适用于病虫害监测、遥感影像分类等领域。

公开(公告)号：CN113191177A

公开(公告)日：2021-07-30

申请号：CN202011308014.1

申请日：2020-11-20

Applicant: 北京林业大学

Inventor： 黄季夏 ,  卢晓 ,  陈力原 ,  方国飞 ,  周艳涛

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及遥感数据分析处理和深度学习领域，公开了一种用于深度学习的松材线虫病遥感影像样本标注方法，包括下述步骤：获取高分辨率遥感影像，对遥感影像进行预处理，目视解译，影像裁剪，人工标注，J‑M距离可分优化，LabelShuffle算法平衡扩增，数量扩增。本发明提供的构建松材线虫病遥感影像样本数据集的方法流程简单，便于实际操作，可以为运用深度学习技术识别松材线虫病发生区提供可靠的样本学习数据，提高识别的准确率，也为其它样本数据集的构建提供了一种很好的思路和想法。