典型文献
基于神经架构搜索的灌浆期水稻稻穗分割及特征分析
文献摘要：
灌浆期是水稻的重要生育期之一,为精准分割灌浆期水稻稻穗,探究稻穗特征与水稻长势之间的关系,提出了一种基于神经架构搜索的灌浆期水稻稻穗分割及特征分析方法.以DeepLabV3Plus网络模型为基础框架,基于神经架构搜索算法自动设计主干网络,修改空洞空间卷积池化金字塔(ASPP),搭建语义分割网络Rice-DeepLab.通过田间摄像头采集4种水稻的灌浆期图像并经Rice-DeepLab分割后,计算稻穗面积占比、离散程度、图像平均曲率和颜色特征等参数并分析.实验结果显示:改进后的语义分割网络Rice-DeepLab的平均交并比(mIoU)为85.74％,准确率(Acc)为92.61％,与原网络模型相比mIoU、Acc分别提高了 6.5％、2.97％;由图像的稻穗面积占比、离散程度、图像平均曲率、颜色特征可大致判别稻穗稀疏或稠密,稻穗是否饱满,色泽青绿、金黄或灰白等长势.本研究表明,可以利用田间摄像头便捷地开展灌浆期水稻监测工作,通过稻穗分割及其特征分析初步判断水稻的长势,为田间管理提供支持.
文献关键词：
灌浆期水稻;神经架构搜索;语义分割;特征提取;长势分析
中图分类号：
作者姓名：
朱家微;江朝晖;洪石兰;马慧敏;徐建鹏;晋茂胜
作者机构：
安徽农业大学信息与计算机学院,安徽合肥230036;安徽省农村综合经济信息中心,安徽合肥230036;全椒县农业委员会农业信息服务中心,安徽滁州239500
文献出处：
引用格式：
[1]朱家微;江朝晖;洪石兰;马慧敏;徐建鹏;晋茂胜-.基于神经架构搜索的灌浆期水稻稻穗分割及特征分析)[J].激光与光电子学进展,2022(22):174-180
A类：
DeepLabV3Plus,长势分析
B类：
神经架构搜索,灌浆期水稻,水稻稻穗,生育期,基础框架,搜索算法,自动设计,主干网络,空洞空间卷积池化金字塔,ASPP,语义分割网络,Rice,摄像头,离散程度,平均曲率,曲率和,颜色特征,平均交并比,mIoU,Acc,稠密,饱满,色泽,青绿,灰白,等长,监测工作,初步判断,断水,田间管理
AB值：
0.240727
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。
