基于卷积神经网络的农作物植株干旱检测

• 作者: 吴建 王红军
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 玉米干旱检测 计算机视觉 CNN Fisher向量
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 测控技术|Measurement and Control Technologies
• 页码范围: 102-109
• 页数: 8页
• 分类号: TP394.1|TH691.9|TB9
• 语种: 中文

摘要

近年来,随着计算机视觉技术的快速发展,越来越多基于图像的应用被开发出来用以解决农业生产中的问题.目前对农作物生长和产量影响最大的就是植物干旱胁迫问题.传统卷积神经网(CNN)使用直接回归玉米叶片数的算法,在实际实验中误差较大,因此该文引入CNN和Fisher向量编码联合提取多尺度特征的方法.在设计特征提取网络时参考GoogLeNet中多尺度卷积核结构,使其更适合于提取不同尺寸叶片的特征.然后,利用Fisher向量对部分中间层特征图编码,增强特征的表达能力.最后,使用随机森林回归叶片数量,并在实验中展示不同干旱程度对玉米叶片数量的影响:在一定条件下,土壤含水量与叶片数量呈正相关.该文方法与现有算法进行对比,叶片平均误差以及均方误差分别减少0.011与0.382,具有一定的研究价值.