文献类型： 中文期刊

作者： 臧贺藏 ¹ ; 王从胜 ¹ ; 赵巧丽 ¹ ; 赵晴 ¹ ; 张杰 ¹ ; 李国强 ¹ ; 郑国清 ¹ ;

作者机构： 1.河南省农业科学院农业经济与信息研究所

关键词： 小麦;倒伏;无人机遥感;深度学习;分类方法

期刊名称： 河南农业科学

ISSN： 1004-3268

年卷期： 2023 年 52 卷 011 期

页码： 167-173

收录情况： 北大核心 ; CSCD

摘要： 倒伏是制约小麦产量的关键因素.针对现有小麦倒伏区域统计费时费力、倒伏分类方法较为单一、模型预测精度低的问题,采用无人机遥感平台获取小麦倒伏可见光图像,自建小麦倒伏图像数据集,采用分割模型U-Net、PSPNet、DeepLabv3+和ACSNet自动提取小麦倒伏区域.结果表明,通过4种方法对小麦倒伏区域提取比较,ACSNet对小麦倒伏检测的分割效果较好,其精准率(Pre)、召回率(Rec)、Dice相关系数(DSC)和IoU指数分别为87.5%、91.7%、87.0%、88.6%,计算量(FLOPs)较低,具有较强的准确性和鲁棒性.ACSNet对小麦倒伏预测结果与真实结果接近,识别的平均相对误差为4.5%.表明通过ACSNet能够有效提取小麦倒伏信息,为无人机遥感评估小麦受灾面积及损失提供支撑.