基于无人机影像和卷积神经网络的水稻育种材料产量预测研究

文献类型： 中文期刊

第一作者： 吉文翰

作者： 吉文翰;郑恒彪;王迪;唐伟杰;张小虎;郭彩丽;姚霞;江冲亚;朱艳;曹卫星;程涛

作者机构：

关键词： 无人机影像;卷积神经网络;产量预测;水稻育种材料

期刊名称： 南京农业大学学报

ISSN： 1000-2030

年卷期： 2025 年 48 卷 005 期

页码： 1001-1012

收录情况： 北大核心 ; CSCD

摘要： [目的]收获前获取水稻育种小区的产量信息是高通量表型监测的重要组成部分，也是水稻高产育种的迫切需求。当前，水稻产量预测方法大多基于少数品种，且由线性回归、机器学习等方法建模，因此估产模型一般都存在迁移性较差、精度不高等问题。本研究旨在利用无人机影像和深度学习网络构建适用于多水稻品种的产量预测模型。[方法]利用无人机获取水稻育种试验的多时相RGB和多光谱影像，系统比较了线性回归、机器学习、深度学习算法在产量预测上的表现；提出一种基于注意力机制和卷积神经网络的水稻产量预测方法，并对比分析了ResNet50、MobileNetV3、ShuffleNetV2三种网络的表现。[结果]线性回归和机器学习算法在水稻育种小区产量预测上表现较差（R2<0.3）。MobileNet模型的收敛速度和预测精度是最高的，测试结果的R2、RMSE、RRMSE分别为0.55、1.06 t·hm-2、12.62%。引入注意力机制的MobileNet模型的收敛速度和预测精度得到了一定的提高，测试结果的R2、RMSE、RRMSE分别为0.58、1.03 t·hm-2、12.26%。利用时域卷积网络（temporal convolutional network）构建的时间序列模型对水稻产量预测精度有一定提升，R2、RMSE、RRMSE分别达到0.64、0.96 t·hm-2、11.4%。[结论]卷积神经网络为水稻育种材料产量预测提供了可靠方法，为基于无人机平台的水稻高通量表型研究提供了较好的技术支撑。

分类号： S511

  • 相关文献

[1]基于HSV阈值法的无人机影像变色松树识别. 陶欢,李存军,谢春春,周静平,淮贺举,蒋丽雅,李凤涛. 2019

[2]基于Faster R-CNN的松材线虫病受害木识别与定位. 徐信罗,陶欢,李存军,程成,郭杭,周静平. 2020

[3]基于HRNet-OCR模型的农村宅基地提取方法. 韦任,范蓓蕾,赵子娟,杨荣超. 2022

[4]利用单次无人机影像的果树精准识别方法. 李福根,段玉林,史云,吴文斌,黄平. 2019

[5]基于冠层归一化植被指数预测双氰胺配施后的芝麻产量. 柳开楼,胡惠文,胡志华,李大明,周利军,黄庆海,余喜初,叶会财,徐小林,王赛莲. 2016

[6]沧州金丝小枣的产量及品质预报. 樊志和,李晓芝,周人纲. 1993

[7]利用航空成像光谱数据进行冬小麦产量预测. 宋晓宇,王纪华,刘良云,薛绪掌,赵春江. 2004

[8]云南粮食产量预测. 朱秀峰,陈瑞林. 1990

[9]作物生长模型的适用性评价及冬小麦产量预测. 王伟,黄义德,黄文江,李存军,王娴. 2010

[10]马尔可夫链在吉林省高粱单产年景预测中的应用. 王江红,石贵山,刘红欣,周紫阳. 2011

[11]2012年10月国内外饲料市场分析. 朱增勇,张利宇. 2012

[12]咸水灌溉下设施番茄水盐生产函数构建及产量预测. 吴奇峰,郑国玉,辛朗,梁亚康,王之风. 2024

[13]2019年国内外天然橡胶产销形势. 莫业勇,杨琳. 2020

[14]融合多源时空数据的冬小麦产量预测模型研究. 王来刚,郑国清,郭燕,贺佳,程永政. 2022

[15]2013年10月国内外饲料市场分析. 朱增勇,毕颖慧. 2013

[16]CropSyst模型在区域冬小麦产量模拟中的应用. 黄青,陈仲新,刘航,滕飞. 2018

[17]应用归一化植被指数的玉米产量预测研究. 黄楠,王强,王鹏,张国庆,刘凌菲. 2014

[18]2014年11月国内外饲料市场分析. 朱增勇,毕颖慧. 2014

[19]基于多源遥感数据和机器学习算法的冬小麦产量预测研究. 甘甜,李雷,李红叶,宋成阳,谢永盾,陶志强,肖永贵,孟亚雄. 2022

[20]2013年3月国内外饲料市场分析. 朱增勇,毕颖慧. 2013

作者其他论文 更多>>

微信小程序