基于卷积神经网络遥感图像的荔枝花期长势评估

• 全文链接

关键词：

来源：

期刊：华南农业大学学报

全文链接：

//agri.nais.net.cn/topic/downloadFile/8c19253d-f442-44ce-8643-7d61a370f4db

来源地址：

http://hs.kns.cnki.net.dr2am.catas.cn:8989/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDAUTO&filename=HNNB202301013&uniplatform=NZKPT&v=bbJBavpZDfNOBKIPLXy_avr96JGxtIHhdnmYin7bzw2oV9xcFUzuobYKXRf4bJFf&__dp=https

资源所属：

智慧农业发展战略专题

类型：

学术文献

语种：

中文

原文发布日期：

2022-12-29

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证的时间分别为8.802、9.116、7.529和7.507 ms，改进后的ShuffleNetv2单张冠层图像验证时间最短。【结论】改进后的ShuffleNetv2能够挖掘学习更为细节的荔枝冠层花期信息，具有较高的识别准确率，对荔枝花期的评估有很大的优势，可为荔枝保花疏花、生产精准管控提供智能决策支持。