分类: 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间: 2023-02-17 合作期刊: 《智慧农业(中英文)》
摘要: 小麦在生长过程中发生倒伏会严重影响其产量,因此实时且准确地对小麦倒伏状况监测有很重要 的意义。传统的方法采用手工方式生成数据集,不仅效率低、易出错,而且生成的数据集不准确。针对这 一问题,本研究提出了一种基于图像处理的自动数据集生成方法。首先利用无人机在15、46和91 m三个高 度采集图像数据; 采集完数据后,根据无倒伏、倒伏面积50%的标准对每一块地的小麦 倒伏情况进行人工评估; 采用三种机器学习(支持向量机、随机森林、K 近邻) 和三种深度学习 (ResNet101、GoogLeNet、VGG16) 算法对小麦倒伏检测情况进行分类。结果显示,ResNet101的分类结果优 于随机森林,并且在91 m高度采集的数据分类精度并不低于在15 m高度采集的数据。本研究证明了针对在 91 m高度采集的无人机图像,采用ResNet101对小麦倒伏率检测是一种有效的替代人工检测的方法,其检 测精度达到了75%。