基于深度学习的水体色度分类算法研究
Chinese High Technology Letters（2023）
摘要
运用深度学习技术进行非接触、快速水体色度检测与分类,采用无人机采集水体图像,运用色度仪对标定的图像完成分类,建立数据集.采用图像归一化处理减少环境因素对分类结果的影响,设计多特征的分步边缘检测算法,检测水域图像边缘,剔除无关像素.对VGG 16、GoogleNet-V3和ResNet 18卷积神经网络进行水体色度分类模型构建与训练,后筛选Inception结构和残差结构为基本构建单元,设计专门用于水体色度分类的WCNet 15与WCNet 21神经网络模型.在训练集上训练参数并利用验证集完成对2个模型的准确率的比较,筛选准确率高的WCNet 21模型作为最终水体色度分类模型.WCNet 21模型的最优准确率可达97.8％,满足水体色度分类需求,可应用到具体的水体色度分类工作当中.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要