基于图像深度学习的小麦干旱识别和分级研究

发布时间：2024-04-14 09:14

　　干旱是主要的农业自然灾害之一,严重影响小麦生长和产量水平。快速、精确、无损的对干旱进行监测提高灌溉的及时性和精确性,对节约水资源,保障小麦丰产稳产具有重要意义。常用的干旱诊断方法有土壤水分监测,农业气象预报等,此类方法通过土壤水分或气象数据间接的对小麦干旱进行监测,精度低,间接监测有一定的滞后性。在干旱胁迫下,小麦植株表现出萎焉,叶片变黄,叶片卷曲等表型特征。同时,随着人工智能的发展,深度学习模型对图像识别达到很高的精度,并已超过人类水平。因此,本文探索基于干旱胁迫下小麦表型特征,使用深度学习和基于深度学习的目标检测方法对小麦干旱进行识别和分级,通过小麦植株的表型特征即干旱承灾体对干旱进行直接监测具有重要的理论意义和应用价值,论文主要内容与贡献如下:(1)采用盆栽控旱试验,设置5个干旱胁迫等级,适宜、轻旱、中旱、重旱和特旱,使用单反相机获取小麦三个关键生育阶段(起身-拔节、抽穗-开花、开花-成熟)不同干旱胁迫程度的数字图像,建立了小麦干旱胁迫图像数据集,共130123张,其中起身-拔节阶段47503张、抽穗-开花阶段45352张、开花-成熟阶段37268张,同时将每个生育阶段的数据集划...

【文章页数】：98 页

【学位级别】：博士

【部分图文】：

图1.1深度学习模型的发展

图像识别是将图像输入计算机,通过训练模型识别输出图像的类别,如人脸识别(ZhouandXiao,2018)、交通信号灯识别(Agarwaletal.,2018)等。目标检测是在一幅图像中识别出目标物体,并检测出目标物体的坐标(ChengandHan,2016)。早期的....

图1.2深度学习模型识别精度的变化

图1.1深度学习模型的发展1.3.2图像特征提取方法

图2.1技术路线

本文在小麦三个生育阶段通过盆栽控旱试验,使用单反相机获取小麦的数字图像,旨在通过小麦干旱胁迫下的表型特征使用深度学习和目标检测方法对小麦干旱胁迫进行及时、精确的识别和分级。技术路线由图2.1所示,主要研究思路主要有以下几个方面:首先是通过盆栽控旱试验获取不同生育阶段(起身-拔节、....

图3.1土壤湿度传感器

在两年的盆栽试验中,2016年采用土壤湿度传感器监测土壤水分,为了精确控制土壤水分,每盆植株放置三个土壤湿度传感器(型号:AV-EC5),土壤湿度传感器经校准后精度为±1%(见图3.1),位置分别为距离盆底5cm、15cm和25cm,使用设施环境自动监测系统(RR-9100G)对....

本文编号：3954450