基于子图选择的土种识别-以重庆市璧山区紫色土为例

陈怡达; 曾绍华; 吴雪; 王帅; 刘国一; 周鹏; 《重庆师范大学学报(自然科学版) 》 2024 北大核心 CSCD

摘要：针对机器视觉野外自然条件下采集土壤图像包含阴影、空洞、缝隙等可能对土种识别产生影响的因素，和土壤图像采集、标记成本高，样本量小的问题，提出一种基于土壤子图选择的土种识别方法。该方法以局部阴影最小化及空间距离最大化为准则，构造最优化模型；并基于最大最小距离算法思想，迭代更新距离矩阵求解优化模型，获得选择子图中心点，构建土壤子图数据集。实验结果显示：土壤子图选择算法构建的数据集在3个不同深度ResNet模型下训练、识别测试，均有较好的训练、识别精度；在土壤子图选择α参数为1、子图尺寸为224时，在浅层网络ResNet-18下能达到最佳测试结果，训练的网络模型在验证集识别准确率为92.48%,测试集识别准确率为92.95%,相较于土壤原图数据集的最佳土种识别结果提升46.65%;利用最小外接矩阵能加速相较于不使用加速，子图选择算法提升运算速度38.88%。基于子图选择的土种识别大幅度提升了土种识别准确率，证明算法是有效的。

关键词： 土种识别 子图选择 深度学习 土壤图像