基于探地雷达和深度学习的果树根径预测方法

摘要：

针对果树根系相较于果树枝干或冠层难以观察和取样的问题,提出一种基于探地雷达和卷积神经网络的果树根系半径和深度预测方法.首先,使用开源软件gprMax构造所需的探地雷达A-Scan数据集;然后,将输入数据导入注意力模块,对特征信息重新分配权重,突出关键特征对模型的影响;最后,通过卷积层提取特征信息,通过全连接层将前面卷积层所学到的局部特征综合为A-Scan数据的全局特征,完成对根系半径和深度的准确预测.为了证明提出方法的可行性与有效性,在仿真数据和实测数据上分别进行实验.结果表明,该方法可以实现对根系半径和深度的有效预测,其中,在仿真数据上对根系半径预测的最大误差为2.9 mm,R2为0.990,均方根误差为0.000 68 m,深度预测最大误差为11.2 mm,R2为0.999,均方根误差为0.002 0 m;在实测数据上对根系半径预测最大误差为1.56 mm,深度预测最大误差为9.90 mm,总平均相对误差为5.83％,能够实现对根系半径和深度的准确预测.

关键词：果树根系、探地雷达、神经网络、无损检测、注意力机制

所属期刊栏目：53

分类号：S126;TN957.51(农业物理学)

资助基金：江苏省农业科技自主创新资金项目;无锡市国际科技研发合作项目

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：306-313,348