인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Using remote sensing technology to obtain and identify plant images can enhance data for landscape design and streamline the design process. To address the issue of low recognition accuracy in plant remote sensing models, this study developed an adaptive threshold binary mask algorithm using mixed maximum inter-class variance and an image classification algorithm based on an improved ResNet50 network, combining them into a plant remote sensing image recognition model. The test results showed that the average recognition recall and F1 mean of the designed model on various plant remote sensing images in the test set were 97.8% and 97.7%, respectively, which were 4.2% and 4.1% higher than the method ranked second in overall numerical values. The offline area of the receiver operation characteristic curve of the designed model on the test set was 73.5%, which was 8.4% higher than the algorithm before improvement. From the test results, the recognition model designed this time has stronger recognition ability than the currently commonly used models. This model can be used to assist landscape design, helping designers identify the distribution of plants in the landscape location and the survival status of green plants after construction.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094304984
