相关实验视频
Updated: Jun 12, 2025
08:20
In Situ Soil Moisture Sensors in Undisturbed Soils
Published on: November 18, 2022
6.1K
关于不同类型的土壤干燥裂及其对使用深度学习技术识别土壤的影响的综合研究
Emanual Daimari1, Sai Ratna2, P V S S R Chandra Mouli2
1Department of Physics, Central University of Tamil Nadu, Thiruvarur, Tamil Nadu, 610005, India.
The European physical journal. E, Soft matter
|September 25, 2024
概括
使用碎形维度和深度学习分析的土壤干燥裂可以有效地识别土壤类型. 这种方法即使在有噪音数据的情况下也能达到92.09%的准确性,证明了它在土壤表征方面的实际应用性.
科学领域:
- 地质地质地质地质地质地
- 土壤科学 土壤科学
- 计算机科学 计算机科学
背景情况:
- 土壤干燥和裂纹模式受土壤类型的影响.
- 典型的裂纹图案可以作为不同土壤纹理的独特标识符.
- 分析裂纹模式的传统方法可能是劳动密集型的.
研究的目的:
- 为了研究干燥裂纹模式对土壤识别的潜力.
- 评估将传统分析与深度学习技术相结合的有效性.
- 开发一种使用裂纹图像进行土壤类型分类的可靠方法.
主要方法:
- 在布拉姆普特拉河流域的粘土,泥土和沙粘土土壤中分析裂纹图案.
- 应用碎形维度分析和欧勒数用于裂纹图案的表征.
- 使用深度学习,特别是前神经网络,在土壤裂图像上.
主要成果:
- 分形维度分析被证明是深度学习的有价值的预处理步骤.
- 数据增强显著提高了神经网络模型的稳定性和准确性.
- 在土壤识别中,准确度达到了92.09%,即使在引入噪音以模仿现实世界条件时也是如此.
结论:
- 传统裂纹模式分析与深度学习算法的集成为土壤类型识别提供了有效的方法.
- 这种混合方法证明了高精度和稳定性,适合于土壤科学中的实际应用.
- 干燥裂纹模式为自动化土壤分类系统提供了可靠的基础.
