在无人机图像中出现了检测大豆苗的合体学习模型
1College of Information and Electrical Engineering, Heilongjiang Bayi Agricultural University, Daqing 163319, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究开发了一个集成的深度学习模型,使用无人机图像来准确评估大豆苗木的出现和统一性. 该模型增强了及时的现场管理决策和精准农业实践.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 遥感 遥感 遥感 遥感
背景情况:
- 准确的大豆苗木出现评估对于有效的现场管理至关重要.
- 目前使用多个模型的方法很慢,阻碍了及时的决策.
研究的目的:
- 开发一个集成的深度学习模型,用于评估多个大豆苗木出现指标.
- 提高大豆突发检测和统一性评估的效率和准确性.
主要方法:
- 使用无人机捕获不同大豆生长阶段的RGB图像 (VE,VC,V1).
- 实现了苗木出现检测模块和用于数据集构建的自动苗木切割模块.
- 采用改进的AlexNet作为增长阶段歧视模块的支柱.
主要成果:
- 苗木出现检测模块实现了高精度 (99.92%) 和强相关性 (R2=0.9784).
- 改进的AlexNet显示了训练时间的缩短和高精度 (99.07%) 与低损失 (0.0355).
- 现场验证显示预测和实际出现比例之间的误差最小 (0.0060至0.0775).
结论:
- 开发的集体学习模型有效地检测和评估大豆苗木的出现和统一性.
- 这种方法为明智的大豆田地管理和精确操作提供了理论基础.
- 该模型显示了评估其他作物类型的新兴信息的潜力.
