小麥產(chǎn)量是評估農(nóng)業(yè)生產(chǎn)力的重要指標(biāo)之一,針對小麥產(chǎn)量人工預(yù)估困難,提出將卷積神經(jīng)網(wǎng)絡(luò)運用于小麥產(chǎn)量預(yù)估,為農(nóng)業(yè)生產(chǎn)力的預(yù)估提供參考,指導(dǎo)農(nóng)業(yè)生產(chǎn)管理決策。利用無人機(jī)分別在河南省新鄉(xiāng)、漯河兩地進(jìn)行圖片采集,并以之構(gòu)建麥穗數(shù)據(jù)集,分為正樣本（麥穗）和負(fù)樣本（葉子和背景）。針對小麥常規(guī)的生理形態(tài)和生長環(huán)境,設(shè)計卷積神經(jīng)網(wǎng)絡(luò)識別模型,以圖像金字塔構(gòu)建多尺度滑動窗口,以非極大值抑制（NMS）去除重疊率較高的目標(biāo)框,實現(xiàn)對單位面積內(nèi)麥穗的計數(shù),并利用隨機(jī)采樣的方式對大田麥穗進(jìn)行單位面積圖像采樣,以采樣圖像中麥穗數(shù)量的平均值作為產(chǎn)量預(yù)估基準(zhǔn),進(jìn)一步實現(xiàn)麥穗產(chǎn)量預(yù)估。隨機(jī)抽取100幅不同小麥圖片進(jìn)行測試,與人工計數(shù)結(jié)果進(jìn)行對比,準(zhǔn)確率達(dá)到97.30%,漏檢率為0.34%,誤檢率為2.36%,誤差率為2.70%。試驗結(jié)果表明,此方法能夠克服環(huán)境中的多種噪聲干擾,能夠在不同光照條件下對麥穗進(jìn)行計數(shù)和產(chǎn)量預(yù)估。 

【文章來源】：浙江農(nóng)業(yè)學(xué)報. 2020,32(12)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 材料與方法
    1.1 材料
    1.2 方法
        1.2.1 試驗環(huán)境與模型訓(xùn)練
        1.2.2 CNN網(wǎng)絡(luò)模型
        1.2.3 基于高斯圖像金字塔的多尺度滑窗
        1.2.4 具體檢測方式
        1.2.5 非極大值抑制(NMS)
        1.2.6 小麥產(chǎn)量預(yù)估方法
2 結(jié)果與分析
    2.1 試驗結(jié)果評估
    2.2 與其他算法的對比分析
    2.3 麥穗估產(chǎn)試驗評估
3 結(jié)論與討論


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)K-means聚類算法的大田麥穗自動計數(shù)[J]. 劉哲,黃文準(zhǔn),王利平.  農(nóng)業(yè)工程學(xué)報. 2019(03)
[2]基于高斯-拉普拉斯金字塔的DR圖像增強(qiáng)改進(jìn)算法研究[J]. 朱偉,劉健,竺明月,邵勤,嚴(yán)郁.  中國醫(yī)療器械雜志. 2019(01)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的冬小麥麥穗檢測計數(shù)系統(tǒng)[J]. 張領(lǐng)先,陳運強(qiáng),李云霞,馬浚誠,杜克明.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(03)
[4]改進(jìn)的非極大值抑制算法的目標(biāo)檢測[J]. 趙文清,嚴(yán)海,邵緒強(qiáng).  中國圖象圖形學(xué)報. 2018(11)
[5]基于改進(jìn)VGG卷積神經(jīng)網(wǎng)絡(luò)的棉花病害識別模型[J]. 張建華,孔繁濤,吳建寨,翟治芬,韓書慶,曹姍姍.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2018(11)
[6]基于小麥群體圖像的田間麥穗計數(shù)及產(chǎn)量預(yù)測方法[J]. 李毅念,杜世偉,姚敏,易應(yīng)武,楊建峰,丁啟朔,何瑞銀.  農(nóng)業(yè)工程學(xué)報. 2018(21)
[7]一種改進(jìn)的深度置信網(wǎng)絡(luò)在棉花病蟲害預(yù)測中的應(yīng)用[J]. 王獻(xiàn)鋒,丁軍,朱義海.  棉花學(xué)報. 2018(04)
[8]基于高斯金字塔和拉普拉斯金字塔融合的圖像對比度增強(qiáng)算法研究[J]. 馬永強(qiáng),王順利,孫偉,劉寶娥.  信息與電腦(理論版). 2018(04)
[9]基于機(jī)器視覺的大田環(huán)境小麥麥穗計數(shù)方法[J]. 范夢揚,馬欽,劉峻明,王慶,王越,段熊春.  農(nóng)業(yè)機(jī)械學(xué)報. 2015(S1)
[10]基于圖像處理技術(shù)的大田麥穗計數(shù)![J]. 劉濤,孫成明,王力堅,仲曉春,朱新開,郭文善.  農(nóng)業(yè)機(jī)械學(xué)報. 2014(02)

碩士論文
[1]基于小麥群體圖像的麥穗計數(shù)方法研究[D]. 張婷婷.安徽大學(xué) 2020
[2]基于深度神經(jīng)網(wǎng)絡(luò)的大田小麥麥穗檢測方法研究[D]. 高云鵬.北京林業(yè)大學(xué) 2019
[3]基于無人機(jī)圖像的麥穗識別技術(shù)研究[D]. 李鵬.河南農(nóng)業(yè)大學(xué) 2019
[4]基于顏色特征和改進(jìn)Adaboost算法的麥穗識別的研究[D]. 趙鋒.河北農(nóng)業(yè)大學(xué) 2014



本文編號：3178649