一种智能方法和平台,用于获得菜树冠覆盖面
Hongbo Liu1, Pan Zhang2, Jishu Zheng1
1Research Institute of Agricultural Engineering, Chongqing Academy of Agricultural Sciences, Chongqing, China.
Frontiers in plant science
|March 2, 2026
概括
本研究引入了一种新的语义细分方法,用于准确评估作物树冠覆盖率. 开发的系统使用轻量级模型进行高效的实时作物生长监测.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确的作物树冠特征对于评估生长状态和表型分析至关重要.
- 树冠覆盖面是作物生长和产量监测的关键指标.
- 现有的方法需要改进,以提高实时应用中的精度和效率.
研究的目的:
- 开发一种统计方法,用视觉技术来评估作物树冠覆盖率.
- 为了提高作物树冠分析的语义细分精度.
- 创建一个轻量级的模型,以便在作物监测系统中实际部署.
主要方法:
- 构建了一个多种多生长阶段的水培生菜图像数据集.
- 提出了一个频道-轴-空间注意力机制模块,用于功能增强.
- 用MobileNetv3替换了PSPNet的骨干,用于轻量级的语义细分模型 (CAS-PSPNet).
主要成果:
- CAS-PSPNet模型在生菜树冠细分中实现了0.9832的欧盟平均交叉点 (MIoU).
- 轻量级的MobileNetv3-PSPNet在9.3M的模型尺寸下实现了0.9717的MIoU.
- 综合系统证明了准确捕获作物树冠覆盖面,优于其他细分模型.
结论:
- 拟议的语义细分方法准确地捕捉了作物树冠覆盖范围.
- 轻量级模型为实时作物生长监测提供了可行的解决方案.
- 这种方法为先进的作物监测和产量预测提供了坚实的基础.


