文献类型： 中文期刊

作者： 李明泽 ¹ ; 张静 ² ; 雷亚平 ² ; 韩迎春 ² ; 王国平 ² ; 陈国栋 ¹ ; 李亚兵 ² ; 冯璐 ² ;

作者机构： 1.塔里木大学农学院

2.中国农业科学院棉花研究所

关键词： 卷积神经网络;深度学习;无人机;农艺性状;产量

期刊名称： 核农学报

ISSN： 1000-8551

年卷期： 2024 年 38 卷 010 期

页码： 2020-2031

收录情况： 北大核心 ; CSCD

摘要： 为实现棉花生育时期的快速识别,本研究将无人机遥感与图像识别和深度学习技术相结合,以不同品种、不同种植密度的棉花为研究对象,基于搭载RGB相机的无人机获取棉花不同生育时期的冠层图像,对获取的图像进行分割,并将分割后的图像数据集作为输入向量训练卷积神经网络模型(VGGNet19和GoogleNet),建立识别棉花关键生育时期的模型,然后通过对比分析2个学习率(0.0001和0.0005)和4个dropout(0.4、0.5、0.6、0.7)组成的8个训练模型,筛选出最优模型.结果表明,GoogleNet训练模型在学习率为0.0001、dropout为0.6时的准确率最高(98.06%),性能评估指标最好;而VGGNet19训练模型在学习率为0.0005、dropout为0.5时的准确率最高(72.26%),评估效果最好.综合对比模型训练结果、训练轮数、预测集测试结果以及性能评价,GoogleNet卷积神经网络(CNN)模型对棉花关键生育时期识别的效果优于VGGNet19模型,且学习率为0.0001、dropout为0.6时的GoogleNet训练模型是识别棉花关键生育时期的最优模型.本研究为棉花生育时期的快速识别提供了技术支撑,也为其他农作物的生育期研究提供了借鉴方法.