13、基于深度学习的橡胶种植园管理决策模型研究

基于深度学习的橡胶种植园管理决策模型研究

1. 数据预处理

在开始深度学习模型的训练之前，获取了形状为 (64, 64, 3) 和 (64, 64, 9) 的注释掩码。接着，遵循标准的归一化程序对图像进行处理，并对图像进行了上采样操作。

2. 监督学习过程

考虑到用于年龄区域分割过程的数据量较少，研究中考虑了两种资源消耗较少的深度学习技术：基于 VGG - 16 与 FCN - 8 迁移学习的架构以及 U - net 模型。

2.1 VGG - 16 和 FCN - 8 模型

• 模型架构 ：采用预训练的 VGG - 16 编码器网络，随后连接 FCN - 8 解码器网络，运用迁移学习方法进行分割过程。训练后，对于给定的橡胶种植区域，输出将是一个标签图或分割掩码，用于对橡胶种植园的林龄和土地利用情况进行 9 类区域的预测。
• VGG - 16 编码器 ：
  • 预训练权重 ：鉴于可用数据量，编码器使用了预训练权重。这些权重是通过常见图像分类任务的训练获得的，目的是让网络学习图像的低级特征，如边缘、线条、轮廓和颜色等。
  • 架构组成 ：VGG - 16 架构主要由五个池化层（或包含池化层的五个块）组成。每个包含池化层的块由两个滤波器大小为 (3, 3) 的卷积操作构成。
• FCN - 8 解码器 ：基于 FCN - 8