• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于MobileNetV2輕量化網(wǎng)絡(luò)的尾礦庫修復(fù)植被分類研究

    2025-03-01 00:00:00胡小輝劉雅輝龔櫟澎遲曉杰孫冉冉王紫威
    關(guān)鍵詞:尾礦庫無人機(jī)

    摘 要:恢復(fù)植被的空間識(shí)別可以有效地監(jiān)測和評價(jià)尾礦庫生態(tài)修復(fù)效果,為礦區(qū)的可持續(xù)發(fā)展提供重要的科學(xué)依據(jù)。本研究利用無人機(jī)獲取的多光譜影像數(shù)據(jù),結(jié)合野外實(shí)地調(diào)查樣點(diǎn)構(gòu)建樣本分類標(biāo)簽,基于MobileNetV2輕量化網(wǎng)絡(luò)模型,對尾礦庫典型樣區(qū)的喬木、灌木與草本修復(fù)植被進(jìn)行分類,并以隨機(jī)森林分類方法作為對比。結(jié)果顯示,MobileNetV2模型總體分類F1分值為90.33%,相較于隨機(jī)森林分類提高了4.91%;對于喬木、灌木和草本植物的分類精度,F(xiàn)1分?jǐn)?shù)分別達(dá)到了87.98%、94.02%和81.30%,具有良好的分類效果。MobileNetV2輕量化模型降低了網(wǎng)絡(luò)復(fù)雜度和參數(shù)量,有效實(shí)現(xiàn)了尾礦庫復(fù)雜背景下的植被分類,為礦區(qū)環(huán)境的監(jiān)測與管理提供了技術(shù)支持。

    關(guān)鍵詞:尾礦庫;無人機(jī);多光譜影像;MobileNetV2;修復(fù)植被;植被分類

    中圖分類號(hào):TP79" 文獻(xiàn)標(biāo)識(shí)碼:A" 文章編號(hào):1673-260X(2025)01-0092-06

    隨著工業(yè)化進(jìn)程的不斷加快,采礦活動(dòng)對生態(tài)環(huán)境造成了顯著影響,尾礦庫作為礦業(yè)活動(dòng)的直接副產(chǎn)品,其生態(tài)修復(fù)狀況監(jiān)測工作十分重要[1]。植被是礦區(qū)生態(tài)環(huán)境的重要構(gòu)成,對修復(fù)植被進(jìn)行分類可以從空間尺度上揭示礦區(qū)生態(tài)修復(fù)現(xiàn)狀,是評價(jià)礦區(qū)生態(tài)修復(fù)質(zhì)量的重要指標(biāo)。遙感具有大面積動(dòng)態(tài)監(jiān)測等特點(diǎn),采用遙感手段對礦區(qū)修復(fù)植被進(jìn)行分類監(jiān)測,有助于制定更有針對性的生態(tài)修復(fù)計(jì)劃,為后續(xù)修復(fù)方案的調(diào)整和改進(jìn)提供依據(jù),更好地維持礦區(qū)生態(tài)系統(tǒng)的穩(wěn)定性和多樣性[2]。

    獲取遙感影像的傳統(tǒng)途徑依賴于衛(wèi)星遙感,這種方法雖然能夠覆蓋大范圍的區(qū)域,但難以完成復(fù)雜背景下的高精度分類工作。相比之下,無人機(jī)時(shí)效性強(qiáng)、機(jī)動(dòng)靈活,可以在較低的飛行高度上搭載高分辨率相機(jī),最大程度采集地物特征,從而獲取高分辨率影像,廣泛應(yīng)用于植被分類中[3]。Yan等采用高分辨率無人機(jī)影像,構(gòu)建多角度高光譜遙感系統(tǒng),實(shí)現(xiàn)了玉米、大豆和雜草植被的高精度分類[4];陳凱等結(jié)合光譜、紋理、點(diǎn)云等特征,利用無人機(jī)搭載RGB相機(jī)獲取影像,實(shí)現(xiàn)了礦區(qū)典型植物的分類[5]。

    傳統(tǒng)遙感植被分類大多采用機(jī)器學(xué)習(xí)方法,需要人為構(gòu)建和選擇合適的特征,如支持向量機(jī)、隨機(jī)森林、決策樹等[6]。Ishida等基于無人機(jī)高光譜影像,對菲律賓植被區(qū)域在單一背景中表現(xiàn)出的光譜和紋理特征差異進(jìn)行提取,實(shí)現(xiàn)了對芒果樹、干草等植被的準(zhǔn)確分類[7];帥爽等通過特征優(yōu)化技術(shù)結(jié)合隨機(jī)森林算法應(yīng)用于干旱區(qū)高光譜植被分類,有效提升了分類精度,然而,達(dá)到的最高整體分類精度尚未超越其他研究者應(yīng)用深度學(xué)習(xí)分類所取得的結(jié)果[8]。機(jī)器學(xué)習(xí)分類方法在植被識(shí)別與分類方面取得了良好成效,但在面對復(fù)雜背景條件時(shí),其分類效果略顯不足。

    相比之下,深度學(xué)習(xí)分類方法,依托于深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),能夠自動(dòng)學(xué)習(xí)數(shù)據(jù)中的高級(jí)特征,提高分類精度,在植被識(shí)別分類方面顯示出顯著的優(yōu)勢和巨大的應(yīng)用前景[9]。石偉博等使用無人機(jī)獲取的高分辨率RGB影像,基于U-Net語義分割方法對川西亞高山針葉林的岷江冷杉、落葉喬木等植被進(jìn)行分類,得到93.21%的總體分類精度[10];王克奇等針對遙感影像中“同譜異物”和“同物異譜”現(xiàn)象導(dǎo)致的傳統(tǒng)機(jī)器學(xué)習(xí)方法難以準(zhǔn)確分類以及深度學(xué)習(xí)模型處理高維數(shù)據(jù)耗時(shí)較長等問題,通過優(yōu)化U-Net分類方法,高效且快速地區(qū)分了農(nóng)林植被[11]。深度學(xué)習(xí)在圖像分類精度上不斷提升,相應(yīng)地也增加了對計(jì)算能力的需求,這種高算力門檻阻礙了深度模型在多樣化場景的廣泛應(yīng)用[12]。

    近年來,深度學(xué)習(xí)領(lǐng)域正致力于神經(jīng)網(wǎng)絡(luò)的輕量化,使其在移動(dòng)設(shè)備和嵌入式系統(tǒng)中的部署變得可行[13]。MobileNet架構(gòu)通過引入深度可分離卷積,有效降低了模型的復(fù)雜度,同時(shí)保持了識(shí)別和分類的準(zhǔn)確性,并加快了處理速度[14]。2018年,Google團(tuán)隊(duì)推出了MobileNetV2網(wǎng)絡(luò),與傳統(tǒng)網(wǎng)絡(luò)相比,這一輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)在減少參數(shù)數(shù)量方面取得了顯著進(jìn)展,同時(shí)保持了較高的準(zhǔn)確率[15]。胡玉珠等采用改進(jìn)的MobileNetV2并結(jié)合遷移學(xué)習(xí)策略對4種常見水稻葉片病蟲害進(jìn)行識(shí)別,準(zhǔn)確提取了水稻葉片病蟲害特征,提高了識(shí)別效率和精度[16]。王中璞等針對棉花顏色級(jí)檢測人工效率低和儀器檢測不穩(wěn)定的問題,改進(jìn)MobileNetV2模型,實(shí)現(xiàn)了棉花顏色級(jí)的快速檢測。MobileNetV2模型具有計(jì)算量小、運(yùn)行速度快、準(zhǔn)確率高等優(yōu)點(diǎn),在多個(gè)領(lǐng)域都有應(yīng)用,然而,在植被識(shí)別分類方面的應(yīng)用相對較少[17]。

    尾礦庫修復(fù)植被空間分布格局復(fù)雜,給無人機(jī)多光譜植被分類帶來了挑戰(zhàn)。本研究基于MobileNetV2輕量級(jí)網(wǎng)絡(luò)模型,利用無人機(jī)多光譜影像,并結(jié)合現(xiàn)場調(diào)查數(shù)據(jù)來創(chuàng)建樣本分類標(biāo)簽,對鐵尾礦庫典型樣區(qū)的植被,包括喬木、灌木和草本進(jìn)行分類,并以隨機(jī)森林分類方法作對比,旨在探究MobileNetV2輕量化模型處理尾礦庫復(fù)雜環(huán)境植被分類任務(wù)的可行性,以期為未來類似復(fù)雜場景下的分類問題提供新的思路。

    1 研究區(qū)與數(shù)據(jù)

    研究區(qū)位于河北省唐山市的馬蘭莊尾礦庫坡面上,該尾礦庫于1997年開始復(fù)墾,現(xiàn)存的修復(fù)植被多以人工栽種為主,自復(fù)墾以來,陸續(xù)栽種的植被主要有火炬樹和刺槐等喬木,紫穗槐、沙棘和連翹等灌木,以及狗尾草、荊條等草本。隨著生態(tài)環(huán)境逐年變好,后又出現(xiàn)了榆樹、楊樹等自然恢復(fù)植被。本研究選取馬蘭莊尾礦庫坡面上的典型修復(fù)樣地,按照不同植被類型劃分分類體系,具體分為喬木、灌木、草本植被與裸土。

    本研究采用的多光譜影像由大疆精靈4多光譜版無人機(jī)于2022年10月拍攝,拍攝時(shí)天氣晴朗且風(fēng)速適宜,通過設(shè)定100米的飛行高度,以及80%的航向重疊率和70%的旁向重疊率,得到的影像具有5.4cm的分辨率。對獲取的影像進(jìn)行拼接、矯正等預(yù)處理后,得到包含紅、綠、藍(lán)、近紅外波段的研究區(qū)多光譜影像(圖1)。

    2 研究方法

    2.1 MobileNetV2模型

    MobileNetV2網(wǎng)絡(luò)由Google的研究人員于2018年提出,是一種高效的輕量級(jí)深度神經(jīng)網(wǎng)絡(luò),具有模型輕量、速度快、準(zhǔn)確性高等優(yōu)點(diǎn)。MobileNetV2通過將深度可分離卷積(Depthwise Separable Convolution)與反向線性殘差結(jié)構(gòu)(Inverted Residual Structure)引入到模型中,可有效降低模型計(jì)算負(fù)擔(dān),并保持模型分類準(zhǔn)確度。該模型能夠有效地提取和處理多光譜數(shù)據(jù)中的特征,提高分類精度[18]。

    2.1.1 深度可分離卷積

    在傳統(tǒng)的卷積網(wǎng)絡(luò)中,輸入的特征圖與多個(gè)卷積核進(jìn)行卷積,以產(chǎn)生輸出特征圖。而深度可分離卷積(圖2)則采取了不同的方法,它將這一過程分解成兩個(gè)階段[19]:首先是深度卷積(Depthwise Convolution)也稱DW卷積和逐元素卷積,對每個(gè)輸入通道獨(dú)立進(jìn)行卷積,不混合通道信息,從而大幅減少計(jì)算量;其次是逐點(diǎn)卷積(Pointwise Convolution),也稱PW卷積或逐通道卷積,該卷積使用1x1的點(diǎn)卷積對每個(gè)像素點(diǎn)進(jìn)行全通道的線性組合,生成新的特征表示,盡管涉及全通道計(jì)算,但因卷積核大小為1×1,計(jì)算量仍較低[20]。

    2.1.2 反向線性殘差結(jié)構(gòu)

    為優(yōu)化模型在有限計(jì)算資源下的性能,反向線性殘差結(jié)構(gòu)引入倒殘差塊(Inverted Residual Block)與線性瓶頸層(Linear Bottleneck),這樣既可提升效率又可保持較高的精度[21]。

    與傳統(tǒng)的殘差結(jié)構(gòu)相比,其特征處理流程有所不同:傳統(tǒng)結(jié)構(gòu)先進(jìn)行降維操作,之后進(jìn)行特征提取,最后進(jìn)行升維操作,呈兩頭大、中間小的沙漏型結(jié)構(gòu)。而倒殘差塊(圖3),首先通過1×1點(diǎn)卷積增加維度,再應(yīng)用3×3的深度卷積進(jìn)行特征提取,最終通過1×1的點(diǎn)卷積減少維度。這種結(jié)構(gòu)不僅調(diào)整了維度變換的順序,還應(yīng)用了效率更高的深度卷積,并通過殘差連接保留了原始特征,形成了中間寬兩端窄的梭型結(jié)構(gòu)。

    將線性瓶頸層引入到MobileNetV2模型中,在倒殘差結(jié)構(gòu)的最后一層降維操作后,將非線性激活函數(shù)(如ReLU)改為線性激活函數(shù),通過在不同維度的特征空間之間進(jìn)行轉(zhuǎn)換,可有效減少參數(shù)數(shù)量以及計(jì)算量,同時(shí)保持模型的表達(dá)能力和分類性能。

    2.1.3 MobileNetV2網(wǎng)絡(luò)模型構(gòu)建

    MobileNetV2的殘差塊(圖4)采用深度可分離卷積,遵循先擴(kuò)展后縮減的維度變換策略,不僅可避免信息的丟失,還可顯著提升模型對復(fù)雜特征的捕捉能力[22]。MobileNetV2的反向殘差結(jié)構(gòu)分為兩種形態(tài),依據(jù)步長差異而定:步長設(shè)為1時(shí),殘差塊保持輸入和輸出的維度一致性,并通過殘差連接將逐點(diǎn)卷積的輸出與原始輸入相加,有助于減輕深層網(wǎng)絡(luò)訓(xùn)練中的梯度消失;步長設(shè)為2時(shí),反向殘差結(jié)構(gòu)去除了殘差連接[23]。

    MobileNetV2架構(gòu)由一系列倒置殘差模塊構(gòu)成,這些模塊通過層次化參數(shù)配置,優(yōu)化了網(wǎng)絡(luò)的結(jié)構(gòu)(表1)。網(wǎng)絡(luò)的首層采用32個(gè)卷積核,搭配ReLU6激活函數(shù),增強(qiáng)了模型在低精度計(jì)算中的穩(wěn)定性。倒置殘差模塊通過先擴(kuò)展后縮減的策略,提升了卷積操作的效率,同時(shí)減少了計(jì)算和參數(shù)需求。這種設(shè)計(jì)不僅提高了性能,還保持了模型的輕量化[24]。

    2.2 隨機(jī)森林分類

    隨機(jī)森林通過融合眾多決策樹來提升分類的準(zhǔn)確性,本研究設(shè)置的決策樹棵數(shù)為300。為增加模型的多樣性,有效防止過擬合,每棵樹獨(dú)立地從自助采樣得到的隨機(jī)子集中學(xué)習(xí)。在預(yù)測階段,模型通過多數(shù)投票法來決定每個(gè)樣本的最終分類。隨機(jī)森林在處理高維數(shù)據(jù)時(shí)表現(xiàn)出色,且參數(shù)調(diào)整簡便,能實(shí)現(xiàn)高效的分類性能。

    2.3 精度評價(jià)

    精確率(Precision)表示在所有被判定為正例的樣本中,真正屬于正例的比例;召回率(Recall)表示在所有實(shí)際為正例的樣本中,被正確識(shí)別的比例;F1分?jǐn)?shù)(F1score)是精確率與召回率的調(diào)和平均值,分值越高模型效果越好[25]。三個(gè)指標(biāo)的計(jì)算公式如下:

    Recall=" (1)

    Precision=" (2)

    Flscore=" (3)

    式中:TP為模型正確預(yù)測為正類的樣本數(shù)量;TN為模型正確預(yù)測為負(fù)類的樣本數(shù)量;FP為模型錯(cuò)誤預(yù)測為正類的樣本數(shù)量;FN為模型錯(cuò)誤預(yù)測為負(fù)類的樣本數(shù)量。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 環(huán)境及配置

    在研究區(qū)典型樣地中,共標(biāo)注了喬木、灌木、草本與裸土4個(gè)類別作為分類標(biāo)簽,數(shù)字代碼分別為1、2、3、4,未分類地物被賦值為0。繼而對原始影像以及分類標(biāo)簽進(jìn)行切片處理,切片大小為256×256像素,步幅為128,并通過旋轉(zhuǎn)擴(kuò)大樣本標(biāo)簽圖數(shù)據(jù),共獲得包含2 673張分類切片的樣本集。使用隨機(jī)分層抽樣將樣本集分為兩部分:其中80%的數(shù)據(jù)被分配到訓(xùn)練集中,用于模型的學(xué)習(xí)和訓(xùn)練;剩余的20%作為驗(yàn)證集,以評定模型效能和精確度。

    為避免模型發(fā)生過擬合現(xiàn)象,同時(shí)保證足夠的訓(xùn)練周期來深入學(xué)習(xí)數(shù)據(jù)特征,將模型的最大訓(xùn)練周期設(shè)置為20,并設(shè)置模型在驗(yàn)證集表現(xiàn)穩(wěn)定時(shí)自動(dòng)結(jié)束訓(xùn)練。學(xué)習(xí)率決定了模型優(yōu)化時(shí)步長的幅度,過高可能會(huì)使訓(xùn)練不穩(wěn)定,過低則會(huì)減慢訓(xùn)練速度,經(jīng)調(diào)試,學(xué)習(xí)率為0.1和0.01均發(fā)生梯度爆炸,而設(shè)為0.001時(shí)效果較佳,故本研究設(shè)置的學(xué)習(xí)率為0.001。

    模型損失函數(shù)隨著迭代次數(shù)的增加而逐漸降低,訓(xùn)練和驗(yàn)證損失的顯著下降反映模型參數(shù)在學(xué)習(xí)過程中的持續(xù)優(yōu)化(圖5)。迭代16次后,損失值達(dá)到穩(wěn)定狀態(tài),表明模型已達(dá)到良好的收斂狀態(tài),這種穩(wěn)定趨勢表明模型已有效學(xué)習(xí)了從輸入數(shù)據(jù)中提取特征并具有準(zhǔn)確預(yù)測的能力,額外的迭代可能不會(huì)再顯著提升性能。

    3.2 分類結(jié)果及分析

    對分類結(jié)果進(jìn)行精度評價(jià),得到MobileNetV2與隨機(jī)森林分類的精確率、召回率為以及F1分值(表2),MobileNetV2相較于隨機(jī)森林各植被分類精度均有所提高,且總體分類F1分值提高了4.91%。這表明在尾礦庫等復(fù)雜背景條件下進(jìn)行植被分類時(shí),MobileNetV2模型比隨機(jī)森林模型更為適用。

    采用MobileNetV2以及隨機(jī)森林兩種分類方法對尾礦庫典型樣區(qū)的修復(fù)植被進(jìn)行分類,得到分類結(jié)果圖像(圖6),兩種分類方法都對研究區(qū)的喬、灌、草植被進(jìn)行了有效分類,且分類結(jié)果大體上呈現(xiàn)出一致性。隨機(jī)森林在植被分類任務(wù)中,其邊緣檢測效果并不理想,出現(xiàn)了“椒鹽噪聲”問題,導(dǎo)致分類精度受限。相比之下,MobileNetV2分類模型有效地抑制了“椒鹽噪聲”,對植被的邊緣實(shí)現(xiàn)了更加精準(zhǔn)的分類。

    由分類結(jié)果圖可知,尾礦庫典型樣區(qū)內(nèi)的恢復(fù)植被主要以喬木灌木居多,不同植被種類分布面積按照從大到小排序?yàn)椋汗嗄緂t;喬木gt;草本。其中灌木類植被在尾礦庫典型樣區(qū)呈大面積分布;喬木類植被因主要以自然修復(fù)為主,散亂分布在灌木林中,且主要分布在樣區(qū)南部;草本植物大多分布在樣區(qū)西北側(cè)及東南側(cè)的灌木周圍。不同植被分類的F1分值大小降序排列為:灌木gt;喬木gt;草本,由于沙棘、連翹等灌木在影像中分布面積最大,且光譜特征與其他地物對比差異明顯,因此灌木類植被分類取得了最好的結(jié)果;其次是喬木類,喬木的單木冠層紋理特征明顯使其分類也取得了較好的效果;由于草本植物相對其他地物樣本較少,且易受周圍喬灌木等的遮擋和陰影影響使其光譜特征有所變化,故其為修復(fù)植被中分類精度相對最低的。

    4 結(jié)論

    通過區(qū)分喬木、灌木和草本等植被類型,可以判斷生態(tài)系統(tǒng)的復(fù)雜性和穩(wěn)定性,評估礦區(qū)的生態(tài)恢復(fù)進(jìn)程是否符合預(yù)期目標(biāo)。本研究采用MobileNetV2輕量化網(wǎng)絡(luò)模型對馬蘭莊尾礦庫典型樣地的多光譜影像進(jìn)行植被分類,共分為喬木、灌木、草本以及裸土四類??傮w分類F1分值達(dá)到了90.33%,相較于隨機(jī)森林分類提高了4.91%。不同植被分類的F1分值降序排列為:灌木gt;喬木gt;草本。研究結(jié)果顯示輕量化MobileNetV2模型在處理尾礦庫復(fù)雜背景分類任務(wù)時(shí),取得了良好的分類精度。本研究提高了尾礦庫復(fù)雜背景下植被分類的自動(dòng)化水平,對于礦區(qū)環(huán)境治理、監(jiān)測與管理具有重要的實(shí)際應(yīng)用價(jià)值。

    ——————————

    參考文獻(xiàn):

    〔1〕趙菁菁,魯明星,谷海紅,等.基于植被覆蓋度變化的礦區(qū)生態(tài)修復(fù)效果研究[J].礦業(yè)研究與開發(fā),2018,38(10):115-118.

    〔2〕張成業(yè),李軍,雷少剛,等.礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測研究進(jìn)展與展望[J].金屬礦山,2022,26(03):1-27.

    〔3〕胡宜娜,安如,艾澤天,等.基于無人機(jī)高光譜影像的三江源草種精細(xì)識(shí)別研究[J].遙感技術(shù)與應(yīng)用,2021,36(04):926-935.

    〔4〕Yan Y, Deng L, Liu X, et al. Application of UAV-Based Multi-angle Hyperspectral Remote Sensing in Fine Vegetation Classification[J/OL]. Remote Sensing, 2019, 11(23): 2753.

    〔5〕陳凱,雷少剛,楊星晨,等.基于UAV-RGB的礦區(qū)植物分類及其葉綠素含量時(shí)空變化分析[J].金屬礦山,2023,(12):227-233.

    〔6〕劉雅輝,張永彬,宋唐雷,等.基于卷積神經(jīng)網(wǎng)絡(luò)高光譜影像土地利用分類方法研究[J].赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版),2022,38(10):15-19.

    〔7〕Ishida T, Kurihara J, Viray F A, et al. A novel approach for vegetation classification using UAV-based hyperspectral imaging[J/OL]. Computers and Electronics in Agriculture, 2018, 144: 80-85.

    〔8〕帥爽,張志,張?zhí)?,?特征優(yōu)化結(jié)合隨機(jī)森林算法的干旱區(qū)植被高光譜遙感分類方法[J].農(nóng)業(yè)工程學(xué)報(bào),2023,39(09):287-293.

    〔9〕Kumar D. Hyperspectral Image Classification Using Deep Learning Models: A Review[J/OL]. Journal of Physics: Conference Series, 2021, 1950(01): 012087.

    〔10〕石偉博,廖小罕,王紹強(qiáng),等.CNN影像輸入尺寸和分辨率對川西針葉林植被分類精度的影響[J].遙感學(xué)報(bào),2023,27(11):2640-2652.

    〔11〕王克奇,彭熙雯,張怡卓,等.基于改進(jìn)U-Net的高光譜農(nóng)林植被分類方法[J].森林工程,2022,38(01):58-66.

    〔12〕Archana R, Jeevaraj P S E. Deep learning models for digital image processing: a review[J/OL]. Artificial Intelligence Review, 2024, 57(01): 11.

    〔13〕郎磊,夏應(yīng)清.緊湊的神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)研究綜述[J].計(jì)算機(jī)科學(xué)與探索,2020,14(09):1456-1470.

    〔14〕Howard A G, Zhu M, Chen B, et al. MobileNets: Ef?覦cient Convolutional Neural Networks for Mobile Vision Applications[J].

    〔15〕Sandler M, Howard A, Zhu M, et al. MobileNetV2: Inverted Residuals and Linear Bottlenecks[C/OL]//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City, UT: IEEE, 2018: 4510-4520[2024-08-08].

    〔16〕胡玉珠,劉昌華,李盼.利用改進(jìn)MobileNet V2網(wǎng)絡(luò)識(shí)別水稻葉片病蟲害的方法[J].武漢輕工大學(xué)學(xué)報(bào),2024,43(03):76-81.

    〔17〕王中璞,吳正香,尤美路,等.基于改進(jìn)MobileNetV2的棉花顏色分級(jí)檢測[J].棉紡織技術(shù),2024,52(06):15-21.

    〔18〕Gulzar Y. Fruit Image Classification Model Based on MobileNetV2 with Deep Transfer Learning Technique[J/OL]. Sustainability, 2023, 15(03): 1906.

    〔19〕范立軍.基于輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)MobileNetV2的混凝土結(jié)構(gòu)裂縫識(shí)別[J].工業(yè)建筑,2023,53(07):231-236.

    〔20〕卓繼寬,馮櫻,張偉.基于MobileNetV2的汽車零件圖像識(shí)別系統(tǒng)設(shè)計(jì)[J].湖北文理學(xué)院學(xué)報(bào),2024,45(05):13-19.

    〔21〕楊莉,張帥,鹿卓慧.基于卷積神經(jīng)網(wǎng)絡(luò)的抽油機(jī)井故障診斷研究[J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版),2023,41(04):646-652.

    〔22〕李景昂,馬晨旭,韓永華,等.基于改進(jìn)的DeeplabV3+模型的車道線檢測方法[J].軟件,2022,43(12):76-84.

    〔23〕葉名煬,張杰強(qiáng).基于輕量化網(wǎng)絡(luò)MobileNetV2的玉米病害識(shí)別研究[J].現(xiàn)代計(jì)算機(jī),2022,28(11):46-50.

    〔24〕劉合兵,魯?shù)?,席?基于MobileNetV2和遷移學(xué)習(xí)的玉米病害識(shí)別研究[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào),2022,56(06):1041-1051.

    〔25〕劉晨晨,葛小三,武永斌,等.基于混合注意力機(jī)制和Deeplabv3+的遙感影像建筑物提取方法[J/OL].自然資源遙感,1-7[2024-08-08].

    猜你喜歡
    尾礦庫無人機(jī)
    尾礦庫空間信息提取與形變監(jiān)測應(yīng)用
    尾礦庫的環(huán)保防滲設(shè)計(jì)分析
    云南化工(2021年5期)2021-12-21 07:41:42
    筑牢尾礦庫安全防線
    高職院校新開設(shè)無人機(jī)專業(yè)的探討
    人間(2016年26期)2016-11-03 17:52:40
    利用無人機(jī)進(jìn)行航測工作的方式方法
    一種適用于輸電線路跨線牽引無人機(jī)的飛行方案設(shè)計(jì)
    科技視界(2016年22期)2016-10-18 14:30:27
    徐家河尾礦庫潰壩分析
    淺析無人機(jī)技術(shù)在我國的發(fā)展前景
    尾礦庫在線監(jiān)測系統(tǒng)防雷設(shè)計(jì)
    金屬礦山(2013年11期)2013-03-11 16:55:12
    某尾礦庫三維滲流分析
    金屬礦山(2013年4期)2013-03-11 16:53:27
    bbb黄色大片| 两个人免费观看高清视频| 国产精品久久久久久精品电影 | www.精华液| 免费一级毛片在线播放高清视频| 日韩中文字幕欧美一区二区| 草草在线视频免费看| 亚洲无线在线观看| 精品无人区乱码1区二区| 观看免费一级毛片| 在线观看免费视频日本深夜| 亚洲精品久久成人aⅴ小说| a级毛片a级免费在线| av超薄肉色丝袜交足视频| 国产视频内射| 国产成人精品久久二区二区免费| 亚洲精品中文字幕在线视频| 免费在线观看完整版高清| 性色av乱码一区二区三区2| 国产熟女午夜一区二区三区| 欧美一级a爱片免费观看看 | 国产精品免费一区二区三区在线| а√天堂www在线а√下载| 无人区码免费观看不卡| 一级毛片精品| 悠悠久久av| 99热只有精品国产| 久久久国产成人免费| 国产成人啪精品午夜网站| 亚洲一区高清亚洲精品| 亚洲中文日韩欧美视频| 老司机深夜福利视频在线观看| 又紧又爽又黄一区二区| 午夜福利一区二区在线看| 精品国产乱码久久久久久男人| 麻豆成人午夜福利视频| 一级毛片女人18水好多| 丝袜在线中文字幕| 哪里可以看免费的av片| 最近在线观看免费完整版| 伦理电影免费视频| 黄网站色视频无遮挡免费观看| 午夜a级毛片| 国内毛片毛片毛片毛片毛片| e午夜精品久久久久久久| 国产精品电影一区二区三区| 午夜视频精品福利| 久久久久久大精品| 少妇的丰满在线观看| 成人精品一区二区免费| 亚洲精华国产精华精| 国产日本99.免费观看| 久久久久久久久免费视频了| 国产一级毛片七仙女欲春2 | 法律面前人人平等表现在哪些方面| 91老司机精品| 亚洲国产欧美网| 搞女人的毛片| 老司机在亚洲福利影院| 老司机深夜福利视频在线观看| 精品国产一区二区三区四区第35| 亚洲精品色激情综合| 日韩三级视频一区二区三区| 男人舔女人下体高潮全视频| 成人三级黄色视频| 欧美午夜高清在线| 俄罗斯特黄特色一大片| 午夜亚洲福利在线播放| 亚洲国产精品成人综合色| 亚洲黑人精品在线| 午夜福利在线观看吧| 99riav亚洲国产免费| 国产欧美日韩一区二区精品| 1024手机看黄色片| 亚洲成a人片在线一区二区| 一卡2卡三卡四卡精品乱码亚洲| 精品一区二区三区av网在线观看| 久久精品91蜜桃| 亚洲国产欧洲综合997久久, | 亚洲一区中文字幕在线| 久久精品aⅴ一区二区三区四区| 免费女性裸体啪啪无遮挡网站| 很黄的视频免费| 韩国av一区二区三区四区| 精品一区二区三区视频在线观看免费| 美女高潮到喷水免费观看| 男人的好看免费观看在线视频 | 久久久久免费精品人妻一区二区 | 久久九九热精品免费| 在线播放国产精品三级| 侵犯人妻中文字幕一二三四区| 村上凉子中文字幕在线| 久久久久久久午夜电影| 午夜精品久久久久久毛片777| 国产在线精品亚洲第一网站| 国产一级毛片七仙女欲春2 | 国产亚洲精品一区二区www| 久久久久久九九精品二区国产 | 成人手机av| 国产又黄又爽又无遮挡在线| 亚洲成人久久性| 亚洲国产欧洲综合997久久, | www.自偷自拍.com| 国产黄色小视频在线观看| 免费在线观看亚洲国产| 老司机深夜福利视频在线观看| 午夜福利18| 国产亚洲精品久久久久5区| 免费在线观看亚洲国产| 一级毛片女人18水好多| 一进一出抽搐gif免费好疼| 波多野结衣高清作品| 国产精华一区二区三区| 啦啦啦韩国在线观看视频| 亚洲电影在线观看av| 国产精品免费一区二区三区在线| 午夜精品久久久久久毛片777| 精品久久久久久久久久免费视频| ponron亚洲| 亚洲人成77777在线视频| 久久香蕉激情| 久久精品国产综合久久久| 日韩欧美国产一区二区入口| 免费女性裸体啪啪无遮挡网站| 少妇的丰满在线观看| 超碰成人久久| 精品乱码久久久久久99久播| 1024手机看黄色片| 不卡av一区二区三区| 精华霜和精华液先用哪个| 日日干狠狠操夜夜爽| 午夜福利成人在线免费观看| 国产亚洲av高清不卡| 欧美激情 高清一区二区三区| 久久久久九九精品影院| 国产99久久九九免费精品| 久久久久久人人人人人| 亚洲无线在线观看| 国产精品永久免费网站| 丝袜在线中文字幕| 两个人视频免费观看高清| 国产亚洲欧美精品永久| 久久香蕉精品热| АⅤ资源中文在线天堂| 国产97色在线日韩免费| 国产精品国产高清国产av| 久久久国产欧美日韩av| 欧美黑人巨大hd| 黄色a级毛片大全视频| 国产成人欧美| 亚洲七黄色美女视频| 国产亚洲欧美精品永久| 999精品在线视频| 99国产综合亚洲精品| 可以免费在线观看a视频的电影网站| 757午夜福利合集在线观看| 午夜a级毛片| 一本一本综合久久| 亚洲国产日韩欧美精品在线观看 | 最近最新中文字幕大全电影3 | 欧美成人一区二区免费高清观看 | 精品久久久久久成人av| 999精品在线视频| av在线天堂中文字幕| 可以免费在线观看a视频的电影网站| 成人国产综合亚洲| 色综合站精品国产| 精品久久久久久久久久久久久 | 最近最新免费中文字幕在线| 成人一区二区视频在线观看| 可以免费在线观看a视频的电影网站| 亚洲最大成人中文| 国产三级黄色录像| 国产高清videossex| 欧美三级亚洲精品| 国产成人精品久久二区二区91| 法律面前人人平等表现在哪些方面| 亚洲成人免费电影在线观看| 亚洲人成77777在线视频| 少妇的丰满在线观看| 国产黄片美女视频| 国产精品精品国产色婷婷| 色av中文字幕| 男人舔奶头视频| 人成视频在线观看免费观看| 人人澡人人妻人| 国产野战对白在线观看| 这个男人来自地球电影免费观看| 波多野结衣巨乳人妻| 亚洲成人精品中文字幕电影| 桃红色精品国产亚洲av| 91在线观看av| 国产欧美日韩精品亚洲av| 99热6这里只有精品| 搞女人的毛片| 亚洲男人天堂网一区| 国产国语露脸激情在线看| 香蕉久久夜色| 国产91精品成人一区二区三区| 日韩有码中文字幕| 在线观看免费视频日本深夜| 叶爱在线成人免费视频播放| 一本精品99久久精品77| 人人妻人人澡欧美一区二区| 久久久久国内视频| 欧美乱码精品一区二区三区| 精品乱码久久久久久99久播| 久久久国产成人精品二区| 亚洲欧美精品综合一区二区三区| 久久久久久久午夜电影| 精品午夜福利视频在线观看一区| 一边摸一边做爽爽视频免费| 精品国产乱码久久久久久男人| 日本在线视频免费播放| 久久久久亚洲av毛片大全| 两个人视频免费观看高清| 精品第一国产精品| av欧美777| 精品熟女少妇八av免费久了| 在线十欧美十亚洲十日本专区| 丰满的人妻完整版| 少妇的丰满在线观看| 亚洲人成网站在线播放欧美日韩| 国产三级黄色录像| 久久久久久久久免费视频了| 男女午夜视频在线观看| 青草久久国产| 亚洲午夜精品一区,二区,三区| 天堂动漫精品| 久久久久国产一级毛片高清牌| 在线观看免费视频日本深夜| 国产精品av久久久久免费| 亚洲第一电影网av| 巨乳人妻的诱惑在线观看| 国产亚洲av嫩草精品影院| 一级毛片高清免费大全| 久久亚洲精品不卡| 女人被狂操c到高潮| 成人特级黄色片久久久久久久| 淫秽高清视频在线观看| 成人18禁高潮啪啪吃奶动态图| 亚洲精品在线观看二区| 欧美乱妇无乱码| 日韩精品中文字幕看吧| 淫秽高清视频在线观看| 久久热在线av| 久久国产精品男人的天堂亚洲| 国产色视频综合| 欧美日韩瑟瑟在线播放| 亚洲无线在线观看| 国产激情欧美一区二区| 日本 av在线| 午夜老司机福利片| 亚洲国产高清在线一区二区三 | 免费在线观看日本一区| 日韩欧美一区视频在线观看| 国内精品久久久久久久电影| 精品不卡国产一区二区三区| 亚洲精品中文字幕一二三四区| 国产在线精品亚洲第一网站| 国内揄拍国产精品人妻在线 | 欧美三级亚洲精品| 一边摸一边抽搐一进一小说| 老司机深夜福利视频在线观看| 99精品欧美一区二区三区四区| 两人在一起打扑克的视频| 精品少妇一区二区三区视频日本电影| cao死你这个sao货| 欧美乱色亚洲激情| 久久久水蜜桃国产精品网| 欧美一级毛片孕妇| 最好的美女福利视频网| 好男人在线观看高清免费视频 | 久久天躁狠狠躁夜夜2o2o| 99国产精品99久久久久| 国产成年人精品一区二区| 亚洲免费av在线视频| 在线观看www视频免费| 日本免费a在线| 日日爽夜夜爽网站| 99在线人妻在线中文字幕| 精品久久久久久成人av| 亚洲美女黄片视频| av片东京热男人的天堂| 一进一出抽搐gif免费好疼| 国产精品 国内视频| 真人做人爱边吃奶动态| 日本精品一区二区三区蜜桃| 国产成人啪精品午夜网站| 男人舔奶头视频| 男人操女人黄网站| 色哟哟哟哟哟哟| av视频在线观看入口| 中文字幕av电影在线播放| 亚洲精品久久成人aⅴ小说| 99热6这里只有精品| 亚洲三区欧美一区| 一本久久中文字幕| 午夜两性在线视频| 一本久久中文字幕| 日韩中文字幕欧美一区二区| 亚洲国产欧美一区二区综合| 在线国产一区二区在线| 免费电影在线观看免费观看| 国产激情久久老熟女| 国产精品久久久久久亚洲av鲁大| 久9热在线精品视频| 老熟妇乱子伦视频在线观看| 日韩欧美免费精品| 国产伦在线观看视频一区| www.999成人在线观看| 婷婷丁香在线五月| 美女午夜性视频免费| 国产成人一区二区三区免费视频网站| 日韩欧美 国产精品| 久久天躁狠狠躁夜夜2o2o| 国产精品亚洲美女久久久| 国产精品一区二区三区四区久久 | 国产三级在线视频| aaaaa片日本免费| 悠悠久久av| 在线观看午夜福利视频| 亚洲欧美日韩高清在线视频| 黄频高清免费视频| tocl精华| 亚洲国产欧美网| av欧美777| 人成视频在线观看免费观看| 亚洲 欧美一区二区三区| 巨乳人妻的诱惑在线观看| 国产伦人伦偷精品视频| 18禁国产床啪视频网站| 俄罗斯特黄特色一大片| 久久久久久亚洲精品国产蜜桃av| 无限看片的www在线观看| 村上凉子中文字幕在线| 日韩欧美免费精品| 国内久久婷婷六月综合欲色啪| 国产亚洲精品久久久久久毛片| 黄色女人牲交| 午夜激情福利司机影院| 香蕉久久夜色| 亚洲激情在线av| 欧美成狂野欧美在线观看| 啦啦啦韩国在线观看视频| 97碰自拍视频| 国产av又大| 女人爽到高潮嗷嗷叫在线视频| 亚洲真实伦在线观看| 亚洲av日韩精品久久久久久密| 国产亚洲av嫩草精品影院| 可以在线观看毛片的网站| 午夜视频精品福利| 人人妻人人澡人人看| 欧美三级亚洲精品| 国产熟女午夜一区二区三区| 欧美亚洲日本最大视频资源| 给我免费播放毛片高清在线观看| 日韩中文字幕欧美一区二区| 18禁裸乳无遮挡免费网站照片 | 日本五十路高清| 国产极品粉嫩免费观看在线| 黄色 视频免费看| 成人手机av| 国产午夜福利久久久久久| 麻豆av在线久日| 侵犯人妻中文字幕一二三四区| 亚洲一码二码三码区别大吗| 在线十欧美十亚洲十日本专区| 听说在线观看完整版免费高清| 免费在线观看日本一区| 天堂√8在线中文| 怎么达到女性高潮| 久久久国产精品麻豆| 99精品在免费线老司机午夜| 亚洲av成人av| 男男h啪啪无遮挡| 国产一区二区在线av高清观看| 国产成人av激情在线播放| 香蕉av资源在线| 观看免费一级毛片| 啦啦啦 在线观看视频| 亚洲人成网站高清观看| 欧美黑人欧美精品刺激| 欧美大码av| 深夜精品福利| 国产精品电影一区二区三区| 国产精品九九99| 亚洲中文日韩欧美视频| 国产三级黄色录像| 女人爽到高潮嗷嗷叫在线视频| 国产精品爽爽va在线观看网站 | 宅男免费午夜| 级片在线观看| 国产精品一区二区三区四区久久 | 国内揄拍国产精品人妻在线 | 男女午夜视频在线观看| 久久久久久亚洲精品国产蜜桃av| 无遮挡黄片免费观看| e午夜精品久久久久久久| 国产精品久久久久久亚洲av鲁大| aaaaa片日本免费| 亚洲自拍偷在线| 国产v大片淫在线免费观看| 日本五十路高清| 欧美丝袜亚洲另类 | 精品电影一区二区在线| 可以在线观看的亚洲视频| 999精品在线视频| 日韩有码中文字幕| 精品久久久久久,| 成人三级做爰电影| 他把我摸到了高潮在线观看| 九色国产91popny在线| 18禁国产床啪视频网站| 亚洲人成网站高清观看| 国产av不卡久久| 亚洲中文日韩欧美视频| 黄色视频,在线免费观看| 久久精品国产综合久久久| 日韩视频一区二区在线观看| 国产亚洲精品av在线| 天天添夜夜摸| 激情在线观看视频在线高清| 国产精品 国内视频| 一级a爱视频在线免费观看| 最近最新免费中文字幕在线| 女同久久另类99精品国产91| 给我免费播放毛片高清在线观看| 黄色 视频免费看| 午夜激情福利司机影院| 午夜影院日韩av| 成年女人毛片免费观看观看9| 国产精品久久久av美女十八| 亚洲avbb在线观看| 欧美黑人欧美精品刺激| 亚洲精品av麻豆狂野| 女性生殖器流出的白浆| 亚洲av成人一区二区三| 制服丝袜大香蕉在线| 美国免费a级毛片| 国产一区二区三区在线臀色熟女| netflix在线观看网站| 99国产综合亚洲精品| 国产成+人综合+亚洲专区| 18禁美女被吸乳视频| 亚洲一区中文字幕在线| 久久精品成人免费网站| 精品国产超薄肉色丝袜足j| 1024手机看黄色片| 午夜影院日韩av| 欧美中文综合在线视频| 18禁国产床啪视频网站| 免费在线观看日本一区| or卡值多少钱| 午夜激情av网站| 欧美成狂野欧美在线观看| 成人av一区二区三区在线看| 久久久精品国产亚洲av高清涩受| 色在线成人网| 亚洲天堂国产精品一区在线| АⅤ资源中文在线天堂| 国产亚洲精品综合一区在线观看 | 国产视频内射| 黄色女人牲交| 黄色毛片三级朝国网站| 国产av不卡久久| 人人澡人人妻人| 波多野结衣高清作品| 国产1区2区3区精品| 精品乱码久久久久久99久播| √禁漫天堂资源中文www| 国产主播在线观看一区二区| 欧美久久黑人一区二区| 国产精品日韩av在线免费观看| netflix在线观看网站| 男女之事视频高清在线观看| 精品福利观看| 别揉我奶头~嗯~啊~动态视频| 久久精品人妻少妇| 国产精品久久电影中文字幕| 亚洲第一青青草原| 99久久99久久久精品蜜桃| 亚洲av第一区精品v没综合| 老熟妇乱子伦视频在线观看| 禁无遮挡网站| 日本五十路高清| 亚洲国产精品久久男人天堂| 岛国视频午夜一区免费看| 国产精品野战在线观看| 国产精品av久久久久免费| 又黄又爽又免费观看的视频| 俺也久久电影网| 嫩草影视91久久| 美女扒开内裤让男人捅视频| 欧美激情 高清一区二区三区| 国产精品电影一区二区三区| 国内毛片毛片毛片毛片毛片| 老司机在亚洲福利影院| 欧美成狂野欧美在线观看| 韩国精品一区二区三区| 精品午夜福利视频在线观看一区| 国产一卡二卡三卡精品| 亚洲av中文字字幕乱码综合 | 午夜两性在线视频| 久久婷婷人人爽人人干人人爱| 国产aⅴ精品一区二区三区波| 亚洲精品美女久久av网站| 看黄色毛片网站| 老鸭窝网址在线观看| 亚洲成人免费电影在线观看| 国产麻豆成人av免费视频| 免费看a级黄色片| 级片在线观看| 国产精品自产拍在线观看55亚洲| 手机成人av网站| 久9热在线精品视频| 国产男靠女视频免费网站| www.精华液| 国产三级黄色录像| 国产黄片美女视频| 热99re8久久精品国产| 亚洲欧美日韩无卡精品| 午夜久久久久精精品| 国产精品九九99| 曰老女人黄片| 精品熟女少妇八av免费久了| 在线视频色国产色| 午夜免费鲁丝| 日日干狠狠操夜夜爽| 亚洲 欧美 日韩 在线 免费| 国产成人一区二区三区免费视频网站| 一级a爱片免费观看的视频| 久久久久精品国产欧美久久久| 国产av不卡久久| 又黄又爽又免费观看的视频| 两性夫妻黄色片| 美女大奶头视频| 啦啦啦观看免费观看视频高清| 成在线人永久免费视频| 国产精品98久久久久久宅男小说| 别揉我奶头~嗯~啊~动态视频| 色在线成人网| 黄色a级毛片大全视频| 久久中文字幕人妻熟女| 在线观看66精品国产| 视频在线观看一区二区三区| 大型黄色视频在线免费观看| 校园春色视频在线观看| 99精品欧美一区二区三区四区| 亚洲国产日韩欧美精品在线观看 | 国产爱豆传媒在线观看 | 国产精品免费视频内射| 国产极品粉嫩免费观看在线| 美女午夜性视频免费| 50天的宝宝边吃奶边哭怎么回事| 欧美日韩亚洲综合一区二区三区_| 亚洲色图av天堂| 午夜老司机福利片| 午夜免费观看网址| 熟妇人妻久久中文字幕3abv| 一本久久中文字幕| 国产精品久久久av美女十八| 黑人欧美特级aaaaaa片| 嫩草影院精品99| 精品国产亚洲在线| 婷婷丁香在线五月| 亚洲av日韩精品久久久久久密| 手机成人av网站| 久久久精品国产亚洲av高清涩受| 草草在线视频免费看| 丁香六月欧美| 亚洲五月天丁香| 日本五十路高清| 淫妇啪啪啪对白视频| 国产亚洲精品久久久久5区| 亚洲国产高清在线一区二区三 | ponron亚洲| 在线播放国产精品三级| 淫秽高清视频在线观看| 变态另类成人亚洲欧美熟女| 日韩有码中文字幕| 久久天堂一区二区三区四区| 久久精品国产综合久久久| 一边摸一边抽搐一进一小说| 久久久久亚洲av毛片大全| 国产片内射在线| 免费看美女性在线毛片视频| 黄网站色视频无遮挡免费观看| 国产区一区二久久| 长腿黑丝高跟| av免费在线观看网站| 中文字幕精品亚洲无线码一区 | 可以免费在线观看a视频的电影网站| 久久久久久久久久黄片| 国产精品亚洲美女久久久| 久久九九热精品免费| 国产在线观看jvid| 波多野结衣巨乳人妻| 久久精品91无色码中文字幕| 日韩精品青青久久久久久| 黄色丝袜av网址大全| 亚洲性夜色夜夜综合| 黑人巨大精品欧美一区二区mp4| x7x7x7水蜜桃| 天堂动漫精品| 国产精品1区2区在线观看.| 欧美色视频一区免费| 日韩 欧美 亚洲 中文字幕| 国产精品野战在线观看| a级毛片在线看网站| 97碰自拍视频| 50天的宝宝边吃奶边哭怎么回事| 国产高清有码在线观看视频 | 啦啦啦免费观看视频1|