典型文献
基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法
文献摘要：
为实现作物热害胁迫状态快速、无损和智能化识别,该研究设计了一套叶绿素荧光图像采集装置,并提出一种基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法.以不同热害阶段下的番茄苗叶片作为研究对象,通过搭建的叶绿素荧光图像采集设备获取具有单一背景的叶片原始荧光图像,将获取的12组荧光参数值结合Spearman等级相关性分析得到相关性最高的非调节性能量耗散的量子产量Y(NO),对其进行图像预处理后构建番茄苗叶片热害图像数据集.对AlexNet模型进行改进,引入批量归一化(Batch Normalization,BN)方法加快模型的收敛速度,选择Mish激活函数提高模型的表达能力,同时使用全局平均池化层(Golbal Average Pooling,GAP)替换全连接层和深度可分离卷积替换传统卷积的方法减少模型参数量,以提升模型运行速度,通过Adam优化算法更新梯度.研究结果表明,改进AlexNet模型性能最优,平均识别精度达98.8％,平均测试耗时为11.6 ms,模型权重空间仅为1.13 MB.相比未改进AlexNet模型,平均测试耗时下降23.2％,模型权重空间下降99.5％.该研究为番茄苗早期热害胁迫检测和胁迫等级划分提供了一种方法,也为其他作物夏季热害监测和防控提供技术参考.
文献关键词：
图像识别;叶绿素;荧光成像;热害;番茄幼苗;改进AlexNet模型;轻量化
中图分类号：
作者姓名：
汪小旵;吴忠贤;孙晔;张晓蕾;王延鹏;蒋烨
作者机构：
南京农业大学工学院,南京 210031;江苏省现代设施农业技术与装备实验室,南京 210031
文献出处：
引用格式：
[1]汪小旵;吴忠贤;孙晔;张晓蕾;王延鹏;蒋烨-.基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法)[J].农业工程学报,2022(07):171-179
A类：
Golbal
B类：
叶绿素荧光成像技术,热害,胁迫,智能识别方法,智能化识别,叶绿素荧光图像,图像采集,采集装置,荧光参数,参数值,调节性能,能量耗散,图像预处理,图像数据集,AlexNet,批量归一化,Batch,Normalization,BN,收敛速度,Mish,激活函数,表达能力,全局平均池化层,Average,Pooling,GAP,全连接层,深度可分离卷积,模型参数量,运行速度,Adam,模型性能,识别精度,ms,模型权重,MB,未改,时下,等级划分,分提,图像识别,番茄幼苗
AB值：
0.316274
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
