CMTNet:一种混合CNN-变压器网络,用于基于无人机的高频谱作物分类,用于精准农业
Xihong Guo1, Quan Feng2, Faxu Guo3
1Dingxi Sanniu Agricultural Machinery Manufacturing Co., Ltd., Dingxi, 743000, China.
Scientific reports
|April 11, 2025
概括
一个新的深度学习模型,CMTNet,通过使用无人机 (UAV) 增强了高光谱作物分类. 这种先进的框架通过在复杂的环境中准确识别作物来改善精准农业.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 无人机 (UAV) 的高光谱成像为精密农业提供了丰富的数据,但在捕捉复杂特征方面面临挑战.
- 传统方法在农业环境中常见的各种作物类型,生长阶段和不平衡的数据上扎.
研究的目的:
- 开发一个创新的深度学习框架,CMTNet,用于改进高光谱作物分类.
- 解决复杂农业环境中捕捉当地和全球特征的局限性.
主要方法:
- CMTNet集成了卷积神经网络 (CNN) 和转换器,用于高光谱作物分类.
- 它具有光谱空间特征提取模块,用于本地和全球特征提取的双分支架构,以及多输出约束模块.
主要成果:
- 在3个无人机获取的数据集上,CMTNet实现了高整体准确性 (OA):99.58% (LongKou),97.29% (HanChuan) 和98.31% (HongHu).
- 该模型在所有测试的数据集中都超过了最先进的方法 (CTMixer),显示出卓越的性能.
结论:
- 在复杂的环境中,CMTNet显示了基于无人机的农业监测的巨大潜力.
- 这些发现提升了高频谱作物分类的精度和可靠性,为精准农业挑战提供了解决方案.
