空间-光谱注意力增强的Res-3D-OctConv

该模型通过结合主成分分析、八度卷积和空间-光谱注意力机制，有效减少光谱冗余并增强特征提取，显著提高了玉米和杂草的识别精度。

刁智华 · Peiliang, Guo · 张保华 · Jiaonan, Yan · He, Zhendong · 赵素娜 · 赵春江 · 张竞成

Computers and Electronics in Agriculture 2023

参数信息

识别精度

98.56 %

技术优势

精度远高于传统方法

比KNN和SVM分别高出8.65%和10.20%，识别准确性大幅领先。

比3D-CNN更准

与3D-CNN相比精度提升1.40%，在深度学习模型中具有竞争力。

光谱冗余有效消减

通过PCA提取主成分，降低相邻光谱间的信息冗余。

应用场景

• 精准农业：自动识别田间玉米和杂草，支撑精准除草作业。
• 杂草检测：从高光谱图像中准确区分杂草，辅助变量喷药。
• 作物识别：实现玉米作物的高光谱快速识别，用于苗情监测。