基于深度学习的玉米抽雄期判识

• 作者: 吴东丽 李涛 田东哲 胡锦涛 阙艳红
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 作物生长观测 深度学习 卷积神经网络 迁移学习 图像识别
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 102-106
• 页数: 5页
• 分类号: TP391.4|TN98
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802449

摘要

农作物自动化观测是农业现代化和自动化进展的重要标志和不可缺少的一部分.目前作物生长自动化观测主要通过获取作物生长图像,进而对图像进行处理分析来获取作物生长特征等信息,利用传统的图像分割、特征点检测等方法检测作物的生长特征误差较大.近年来,深度学习迅速发展,且在多个领域得到广泛应用.在ImageNet数据集和大量的玉米作物图像基础上,对深度学习中常用的CNN进行训练和微调,充分利用迁移学习的优势,得到识别模型,对玉米雄穗进行识别,进而对玉米抽雄期进行判识.实验证明深度学习方法在作物生长特征识别上有良好的效果,比传统方法有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴东丽		31	286	10.0	16.0
2	李涛		1	0	0.0	0.0
3	胡锦涛		1	0	0.0	0.0
4	田东哲		1	0	0.0	0.0
5	阙艳红		1	0	0.0	0.0