基于卷积神经网络遥感图像的荔枝花期长势评估

• Published in: 华南农业大学学报 Vol. 44; no. 1; pp. 123 - 133
• Main Authors: 文飞, 莫嘉维, 胡宇琦, 兰玉彬, 陈欣, 陆健强, 邓小玲
• Format: Journal Article
• Language: Chinese
• Published: 岭南现代农业科学与技术广东省实验室,广东广州510642 2023; 华南农业大学电子工程学院/国家精准农业航空施药技术国际联合研究中心,广东广州510642%华南农业大学电子工程学院/国家精准农业航空施药技术国际联合研究中心,广东广州510642
• Subjects: 花期长势; 荔枝; 无人机遥感; 卷积神经网络; 注意力模块; 图像处理
• ISSN: 1001-411X
• DOI: 10.7671/j.issn.1001-411X.202203040

TP79%S252; [目的]通过无人机获取荔枝冠层的遥感图像,评估每棵荔枝的开花率,以期为后续荔枝花期疏花保果、精准施肥施药提供决策依据.[方法]以遥感图像为研究对象,利用实例分割的方法分割每棵荔枝冠层后,结合园艺专家的综合判断,按开花率为0、10％～20％、50％～60％、80％及以上将开花率分为4类,使用ResNet、ResNeXt、ShuffleNetv2进行开花率分类比较,试验过程中发现ShuffleNetv2在识别准确率、参数量、训练和验证时间都有很大优势;在ShuffleNetv2上引入了空间注意力模块(Spatial attention module,SAM)后,增加了模型对位置信息的学习,在不显著增加参数量的情况下,提升荔枝冠层花期分类的精度.[结果]通过对多个主流深度神经网络的比较分析,ResNet50、ResNeXt50、ShuffleNetv2的分类精度分别达到85.96％、87.01％和86.84％,而改进后的ShuffleNetv2分类精度更高,达到88.60％;ResNet50、ResNeXt50、ShuffleNetv2和改进后的ShuffleNetv2对测试集单张冠层图像验证的时间分别为8.802、9.116、7.529和7.507 ms,改进后的ShuffleNetv2单张冠层图像验证时间最短.[结论]改进后的ShuffleNetv2能够挖掘学习更为细节的荔枝冠层花期信息,具有较高的识别准确率,对荔枝花期的评估有很大的优势,可为荔枝保花疏花、生产精准管控提供智能决策支持.