基于深度特征学习的冬小麦生育阶段分类识别研究

摘要：

冬小麦生育阶段及生育期田间环境要素的精准识别是农业信息化管理研究的核心内容之一.为实现对冬小麦不同生育阶段的精准分类识别,提出了一种基于深度学习的冬小麦生育阶段分类识别模型.首先,采集田间图像并对其进行预处理;其次,构建了一种基于深度可分离卷积的冬小麦、土壤及杂草的图像分割模型,利用该模型从田间图像中准确提取出冬小麦样本,并对冬小麦样本进行前景及后景标注;最后,基于VGG16 提取的图像特征以及区域生成网络模型,构建了生成候选框的改进 Faster R-CNN 目标检测模型,通过对候选框的分类训练和回归训练实现了对冬小麦 3 个主要生育阶段的分类识别.结果表明:构建的图像分割模型对小麦、杂草及土壤的分割准确率分别为 90.91%、22.87%、65.15%,查准率分别为 93.45%、17.21%、60.58%,召回率分别为 95.02%、18.43%、58.32%;构建的改进 Faster R-CNN 模型对冬小麦生育阶段的分类识别准确率达 96.00%,且具有广阔的应用前景.

关键词：冬小麦、生育阶段识别、深度特征学习、深度可分离卷积、区域生成网络模型

所属期刊栏目：44

分类号：S126(农业物理学)

资助基金：国家自然科学基金;河南省科技攻关项目

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：102-108