文献类型： 中文期刊
作者： 宋安然 1 ; 郭新宇 1 ; 顾生浩 1 ; 陈晓茜 1 ; 王柏雁 1 ;
作者机构： 1.北京市农林科学院信息技术研究中心
关键词： 花生仁;高光谱图像;含油率;通道注意力机制;3D卷积神经网络
期刊名称： 农业工程学报
ISSN： 1002-6819
年卷期： 2025 年 41 卷 010 期
页码： 322-331
收录情况： EI ; 北大核心 ; CSCD
摘要： 花生种子含油率的快速、无损和精准预测对于加速育种过程以及满足食品工业需求具有重要意义。该研究提出了一种结合自定义加权平均池化和通道注意力机制的三维卷积神经网络（3D weighted pooling and channel attention convolutional neural network,3D-WPCA-CNN）模型。为了提高单粒花生种子含油率的预测精度，提出了一种加权平均池化层，该层通过引入可学习的权重参数优化池化过程。集成了通道注意力机制，能够自适应地调整每个通道的特征响应，进一步提升了对高光谱图像中重要信息的提取能力。为了验证模型的优越性，将所提方法与基于平均光谱的卷积神经网络（convolutional neural network,CNN）模型进行比较。结果表明：所提3D-WPCA-CNN模型在预测含油率方面表现优异，具有较高的决定系数（R2=0.809 2）和较低的均方根误差（RMSE=1.713 1%），显著优于基于平均光谱模型（R2=0.698 3,RMSE=2.183 7%）、无注意力机制的平均池化3D-CNN模型（R2=0.721 7,RMSE=2.069 3%）以及未添加通道注意力机制的加权平均池化3D-CNN模型（R 2=0.738 4,RMSE=2.005 9%）。此外，该3D-WPCA-CNN模型的相对预测偏差（RPD=2.338 9）较好，进一步证实了其可准确预测花生含油率。该研究可为基于高光谱图像的作物籽粒组分预测提供高维度建模思路，对精确预测花生等农作物的品质特性具有重要的实践价值。
- 相关文献
[1]冬小麦叶绿素含量高光谱检测技术. 王伟,彭彦昆,马伟,黄慧,王秀. 2010
[2]联合光谱-空间信息的短波红外高光谱图像茶叶识别模型. 蔡庆空,李二俊,蒋金豹,乔小军,蒋瑞波,冯海宽,刘绍堂,崔希民. 2019
[3]苹果糖度高光谱图像可视化预测的光强度校正方法. 郭志明,赵春江,黄文倩,彭彦昆,李江波,王庆艳. 2015
[4]基于无人机高光谱图像的花生苗期株数监测. 王凡,孟翔宇,陈龙跃,段丹丹. 2024
作者其他论文 更多>>
-
基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型
作者：刘长斌;李远鲲;郭民坤;樊江川;郭新宇;卢宪菊
关键词：Micro-CT;大豆;结构表型;重量预测;模型构建;机器学习
-
发育期模型在新疆植棉区的适应性评价及未来气候变化影响评估
作者：马俊良;顾生浩;王森;孙帅;樊江川;张文太;郭新宇
关键词：作物模型;气候变化;新疆植棉区;SUCROS-Cotton;APSIM-Cotton;GOSSYM;物候期;积温;生理发育时间
-
联邦学习在智慧农业系统中的应用研究综述
作者：汤敏睿;何亮;顾生浩;杨婉霞;岳瑞君;谭艺;王磊;冯腾飞
关键词：联邦学习;农事决策;隐私数据;智慧农业
-
基于实例分割技术的草莓叶龄及冠幅表型快速提取方法
作者：樊江川;王源桥;苟文博;蔡双泽;郭新宇;赵春江
关键词：移动式表型平台;实例分割;草莓表型;叶龄统计;冠幅;Mask R-CNN;ResNeSt
-
基于轻量化MLCE-RTMDet的人工去雄后玉米雄穗检测算法
作者：李金瑞;杜建军;张宏鸣;郭新宇;赵春江
关键词：无人机;目标检测;人工去雄;玉米雄穗;RTMDet;轻量化网络
-
基于卷积神经网络的田间麦穗检测方法研究
作者：张合涛;赵春江;王传宇;郭新宇;李大壮;苟文博
关键词：小麦麦穗;卷积神经网络;特征提取;特征融合;损失函数;麦穗识别检测模型
-
棉花表型技术研究进展
作者：李远鲲;郭新宇;张颖;顾生浩;张永江;吴升
关键词：棉花;表型技术;表型平台;高通量;多尺度;表型组学
