基于深度学习的研究精确的表型识别和生长预测的研究
Haiye Yu1, Mo Dong2, Ruohan Zhao2
1College of Biological and Agricultural Engineering, Jilin University, Changchun 130022, Jilin, China.
Environmental research
|April 3, 2024
概括
一个深度学习模型使用RGB图像准确地识别和评估菜表型,使精准农业能够进行智能监测和高质量的作物生产.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物科学 植物科学
背景情况:
- 精准农业依赖于科学监测和精确的管理,以有效利用资源.
- 准确的表型识别和评估对于精准农业和智能农业至关重要.
- 表型指数支持作物管理和高质量的农业发展.
研究的目的:
- 开发一种深度学习模型,用于精确识别和评估生菜表型指数.
- 分析整个生菜生长周期中表型指数的积累和演变.
- 在营养压力下创建生长和发展的预测模型.
主要方法:
- 在营养压力下,在整个生长周期中收集了生菜的RGB图像.
- 开发了一种基于深度学习的计算模型,用于表型指数的识别和评估.
- 训练了一个预测模型,包括平均平方误差 (MSE),结构相似度指数 (SSIM) 和感知损失.
主要成果:
- 识别了代表性表型索引,用于生菜生长状态,包括定制定义的.
- 量化分析的表型指数在不同生长阶段的变化.
- 实现了对生长图像和表型指数的高预测准确性,并改进了SSIM和PSNR值.
结论:
- 深度学习模型可以在整个生命周期内对生菜进行智能监测和管理.
- 该模型为高质量和高效的生菜生产提供技术支持.
- 准确的表型评估是推进精准农业和智能农业技术的关键.


