用于小麦多生长阶段倒伏边界精准检测的分层交互特征金字塔网络(英文) |
| |
作者姓名: | 庞春晖 陈鹏 夏懿 章军 王兵 邹岩 陈天娇 康辰瑞 梁栋 |
| |
作者单位: | 1. 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心/信息材料与智能感知安徽省实验室/安徽大学互联网学院;4. 安徽财经大学管理科学与工程学院;5. 中国科学院合肥物质科学院智能机械研究所;6. 中国科学技术大学;7. 西南科技大学 |
| |
基金项目: | National Natural Science Foundation of China Projects (62072002, 62273001);;Anhui Provincial Major Science and Technology Special Project (202003a06020016);;Supported by the Special Fund for Anhui Agriculture Research System (2021-2025); |
| |
摘 要: | 目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一发育阶段的倒伏识别,而倒伏可能发生在小麦生长的各个时期,不同时期倒伏特征变化复杂,这给模型特征捕捉能力带来考验。本研究旨在探索一种基于深度学习技术的多生育期小麦倒伏区域检测方法。方法]用无人机采集小麦灌浆期、早熟期、晚熟期这三个关键生长阶段的RGB图像,通过数据增强等技术构建出多生育期小麦倒伏数据集。提出一种小麦倒伏提取模型Lodging2Former,该模型在Mask2Former的基础上加以改进,引入分层交互式特征金字塔网络(Hierarchical Interactive Feature Pyramid Network,HI-FPN),用于提高模型在复杂田间背景干扰下对于多个生长阶段小麦倒伏特征的捕捉能力。结果和讨论]所提出的Lodging2Former模型相较于现存的多种主流算法,如Mask R-CNN (Mask Region-Based Convolu...
|
关 键 词: | 无人机 深度学习 小麦倒伏检测 特征金字塔网络 Mask2Former |
|
|