基于深度学习的棉花发育期自动观测

• 作者: 吴东丽 李涛 王苗苗 田东哲 胡锦涛
• 来源期刊: 安徽农业科学
• 学科: 工学
• 关键词: 作物生长观测 图像识别 深度学习 卷积神经网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 农业经济·农业信息
• 页码范围: 237-240,243
• 页数: 5页
• 分类号: TP391
• 字数: 2888字
• 语种: 中文
• DOI: 10.3969/j.issn.0517-6611.2019.11.068

摘要

精准农业是当今世界农业发展的新趋势,实现精准农业的关键基础是能够实时准确地提取作物的生长信息以及确定生长环境状态.现阶段国内外利用图像处理技术对作物生长信息的检测,主要集中在病虫害识别、杂草识别等方面,对作物生长期进行自动识别的相关技术鲜有报道.以棉花田间数字图像为研究对象,结合深度学习的方法,对棉花关键发育期的自动观测方法进行研究.结果表明,相较于传统特征提取方法,提出了卷积神经网络CNN-CGS模型对棉花图像进行特征提取,并进一步结合迁移学习方法训练网络,获得了更加准确的棉花生长期识别结果,同时也为农作物发育期和长势识别迈向自动化发展提供技术支持,为及时掌握棉花生长状况、开展农事活动和现代化农田管理提供新的思路.

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	王苗苗		2	1	1.0	1.0
3	胡锦涛		1	1	1.0	1.0
4	李涛		1	1	1.0	1.0
5	田东哲		1	1	1.0	1.0