基于深度学习的小麦倒伏自动分类方法研究
臧贺藏1
王从胜2
赵巧丽1
赵晴1
张杰1
李国强1
郑国清1
1.河南省农业科学院 农业经济与信息研究所,河南 郑州 450002;农业农村部黄淮海智慧农业技术重点实验室,河南 郑州 4500022.河南省农业科学院 农业经济与信息研究所,河南 郑州 450002;河南师范大学 计算机与信息工程学院,河南 新乡 453007
摘要：倒伏是制约小麦产量的关键因素.针对现有小麦倒伏区域统计费时费力、倒伏分类方法较为单一、模型预测精度低的问题,采用无人机遥感平台获取小麦倒伏可见光图像,自建小麦倒伏图像数据集,采用分割模型U-Net、PSPNet、DeepLabv3+和ACSNet自动提取小麦倒伏区域.结果表明,通过4种方法对小麦倒伏区域提取比较,ACSNet对小麦倒伏检测的分割效果较好,其精准率(Pre)、召回率(Rec)、Dice相关系数(DSC)和IoU指数分别为87.5%、91.7%、87.0%、88.6%,计算量(FLOPs)较低,具有较强的准确性和鲁棒性.ACSNet对小麦倒伏预测结果与真实结果接近,识别的平均相对误差为4.5%.表明通过ACSNet能够有效提取小麦倒伏信息,为无人机遥感评估小麦受灾面积及损失提供支撑.
关键词：小麦倒伏无人机遥感深度学习分类方法
分类号：S126(农业物理学)
资助基金：河南省科技攻关计划项目(232102110272)河南省农业科学院自主创新项目(2023ZC063)河南省农业科学院科技创新团队项目(2022TD14)
论文发表日期：2023-11-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 167-173 )
英文信息