| 基于卷积神经网络遥感图像的荔枝花期长势评估 |
| |
| 引用本文： | 文飞,莫嘉维,胡宇琦,兰玉彬,陈欣,陆健强,邓小玲.基于卷积神经网络遥感图像的荔枝花期长势评估[J].华南农业大学学报,2023,44(1):123-133. |
| |
| 作者姓名： | 文飞 莫嘉维 胡宇琦 兰玉彬 陈欣 陆健强 邓小玲 |
| |
| 作者单位： | 华南农业大学 电子工程学院/国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642;华南农业大学 电子工程学院/国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642;岭南现代农业科学与技术广东省实验室, 广东 广州 510642 |
| |
| 基金项目： | 广东省重点领域研发计划(2019B020214003)；广州市重点研发计划(202103000090)；广东高校重点领域(人工智能)专项(2019KZDZX1012)；岭南现代农业科学与技术广东省实验室科研项目(NT2021009) |
| |
| 摘 要： | 【目的】通过无人机获取荔枝冠层的遥感图像，评估每棵荔枝的开花率，以期为后续荔枝花期疏花保果、精准施肥施药提供决策依据。【方法】以遥感图像为研究对象，利用实例分割的方法分割每棵荔枝冠层后，结合园艺专家的综合判断，按开花率为0、10%～20%、50%～60%、80%及以上将开花率分为4类，使用ResNet、ResNeXt、ShuffleNetv2进行开花率分类比较，试验过程中发现ShuffleNetv2在识别准确率、参数量、训练和验证时间都有很大优势；在ShuffleNetv2上引入了空间注意力模块(Spatial attention module,SAM)后，增加了模型对位置信息的学习，在不显著增加参数量的情况下，提升荔枝冠层花期分类的精度。【结果】通过对多个主流深度神经网络的比较分析，ResNet50、ResNeXt50、ShuffleNetv2的分类精度分别达到85.96%、87.01%和86.84%，而改进后的ShuffleNetv2分类精度更高，达到88.60%;ResNet50、ResNeXt50、ShuffleNetv2和改进后的ShuffleNetv2对测试集单张冠层图像验...
|
| 关 键 词： | 无人机遥感 荔枝 花期长势 卷积神经网络 图像处理 注意力模块 |
| 收稿时间： | 2022/1/12 0:00:00 |
The assessment of litchi flowering growth based on remote sensing image of convolutional neural network |
| |
| WEN Fei,MO Jiawei,HU Yuqi,LAN Yubin,CHEN Xin,LU Jianqiang,DENG Xiaoling.The assessment of litchi flowering growth based on remote sensing image of convolutional neural network[J].Journal of South China Agricultural University,2023,44(1):123-133. |
| |
| Authors: | WEN Fei MO Jiawei HU Yuqi LAN Yubin CHEN Xin LU Jianqiang DENG Xiaoling |
| |
| Institution: | College of Electronic Engineering, South China Agricultural University/National Center for International Collaboration Research on Precision Agricultural Aviation Pesticides Spraying Technology, Guangzhou 510642, China;College of Electronic Engineering, South China Agricultural University/National Center for International Collaboration Research on Precision Agricultural Aviation Pesticides Spraying Technology, Guangzhou 510642, China;Guangdong Laboratory for Lingnan Modern Agriculture, Guangzhou 510642, China |
| |
| Abstract: | |
| |
| Keywords: | UAV remote sensing Litchi Florescence growth Convolutional neural network Image processing Attention module |
|
| 点击此处可从《华南农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华南农业大学学报》下载免费的PDF全文 |
