基于RGB图像与深度学习的冬小麦田间长势参数估算系统

文献类型： 中文期刊

第一作者： 李云霞

作者： 李云霞;马浚诚;刘红杰;张领先

作者机构：

关键词： 机器视觉;图像处理;模型;冬小麦;深度学习;叶面积指数;地上生物量;麦穗计数

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2021 年 024 期

页码： 189-198

收录情况： EI ; 北大核心 ; CSCD

摘要： 为准确、快速获取冬小麦田间长势信息,该研究设计并实现了一种基于深度学习的冬小麦田间长势参数估算系统。该系统主要包含长势参数估算模块和麦穗计数模块。长势参数估算模块基于残差网络ResNet18构建长势参数估算模型,实现了冬小麦苗期叶面积指数（Leaf Area Index,LAI）和地上生物量（Above Ground Biomass,AGB）的估算,并基于迁移学习进行泛化能力测试;麦穗计数模块基于Faster R-CNN并结合非极大值抑制（Non Maximum Suppression,NMS）构建麦穗计数模型,实现了开花期麦穗准确计数。结果表明,针对2017—2018和2018—2019两个生长季数据,基于ResNet18的长势参数估算模型对LAI估算的决定系数分别为0.83和0.80,对AGB估算的决定系数均为0.84,优于基于传统卷积神经网络（Convolutional Neural Networks,CNN）、VGG16和GoogLeNet构建的估算模型,并且泛化能力测试表明该模型对数据的季节性差异具有鲁棒性。基于Faster R-CNN的麦穗计数模型,在利用NMS优化后决定系数从0.66增至0.83,提升了25.8%,NRMSE从0.19降至0.05,下降了73.7%。相较于基于CNN构建的分类计数模型,基于Faster R-CNN+NMS的麦穗计数模型表现更优,决定系数为0.83,提升了33.9%,单个麦穗识别时间为1.009 s,效率提升了20.7%。综上所述,该系统能够满足冬小麦田间长势参数估算需求,可为冬小麦田间精细化管理提供支撑。

分类号： S512.11%S127

  • 相关文献

[1]改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法. 龙洁花,赵春江,林森,郭文忠,文朝武,张宇. 2021

[2]基于高光谱遥感与SAFY模型的冬小麦地上生物量估算. 刘明星,李长春,李振海,冯海宽,杨贵军,陶惠林. 2020

[3]基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算. 马浚诚,刘红杰,郑飞翔,杜克明,张领先,胡新,孙忠富. 2019

[4]基于多列空洞卷积神经网络的麦穗计数方法研究. 刘云玲,张品戈,王千航,周睿琪,赵佳,肖永贵,马韫韬. 2021

[5]河南新乡地区冬小麦叶面积指数的动态模型研究. 刘战东,段爱旺,高阳,刘浩. 2008

[6]基于多元统计方法的冬小麦叶面积指数光谱估测. 武改红,王超,赵佳佳,冯美臣,杨武德,孙慧,贾学勤,张雪茹. 2017

[7]基于LabVIEW Vision的加工番茄表面霉斑缺陷检测. 丁竹青,李晓良,张若宇,坎杂,李硕. 2015

[8]种子自动数粒仪. 张云鹤,乔晓军,王成,吴杰. 2005

[9]基于机器视觉的作物多姿态害虫特征提取与分类方法. 李文勇,李明,陈梅香,钱建平,孙传恒,杜尚丰. 2014

[10]基于机器视觉技术的叶面积测量系统实现. 张健钦,王秀,龚建华,薛绪掌. 2004

[11]基于类球形亮度变换的水果表面缺陷提取. 黄文倩,李江波,张驰,李斌,陈立平,张百海. 2012

[12]机器视觉在我国农业中的应用研究进展分析. 王风云,郑纪业,唐研,刘延忠,李乔宇,穆元杰,王磊. 2016

[13]基于图像处理的番茄重量预测. 何婷婷,李志伟,张馨,张钟莉莉,肖雪朋,董静. 2022

[14]基于全景图像的玉米果穗流水线考种方法及系统. 杜建军,郭新宇,王传宇,肖伯祥. 2018

[15]基于机器学习的免套袋苹果缺陷分级. 张琛,房胜,王风云,李哲,郑纪业,沈宇. 2019

[16]基于嵌入式设备的作物长势监测系统. 李乔宇,尚明华,王风云,王璐,李振波. 2019

[17]机器视觉技术在农作物生长状况监测的研究进展. 刘晖,李兆雄,詹杰,杨有泉. 2018

[18]类球形水果表皮颜色变化校正方法研究. 李江波,黄文倩,张保华,彭彦昆,赵春江. 2014

[19]机器视觉在HSV颜色空间下稻瘟病病程分级判定研究. 刘永波,雷波,胡亮,唐江云,曹艳,尹亚琳. 2020

[20]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

作者其他论文 更多>>

微信小程序