高光谱小麦识别网络

半监督生成对抗增强

一种结合半监督生成对抗网络与交叉感知注意力网络的模型，通过生成逼真的高光谱图像扩增数据，同时利用3D和2D卷积的交叉学习充分提取光谱、空间和纹理特征，用于小麦品种的高精度识别。

张卫东 · Zexu, Li · 李国厚 · Zhuang, Peixian · 侯国家 · Zhang, Qiang · Li, Chongyi

IEEE Transactions on Geoscience and Remote Sensing 2024

参数信息

通过

3 D

技术优势

数据少也能训

半监督生成对抗网络通过学习真实高光谱图像的分布，生成逼真的假样本，有效扩充训练集，缓解数据稀缺问题。

特征挖得全

通过3D与2D卷积的级联交叉学习，同时捕获光谱、空间和纹理特征，并利用注意力机制细化特征，提高识别能力。

应用场景

• 小麦品种鉴定：无需人工经验，直接高精度识别小麦品种，辅助育种筛选。
• 智慧农业：为精准农业提供快速可靠的品种识别，支持田间管理和决策。
• 农作物品质检测：通过高光谱图像无损鉴定小麦品种，保障种子纯度和质量。
• 高光谱图像分析：为高光谱数据提供半监督增强与特征融合方法，提升小样本分类性能。