科研产出
基于VGG-UNet的食用菌菌丝体表型参数自动测量方法
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：食用菌菌丝体表型特征是食用菌种质资源评价和科学育种的重要依据.针对传统阈值分割方法提取菌丝体区域易受到光照不均、菌丝体不规则生长和培养皿内产生代谢物等因素干扰的问题,制作食用菌菌丝体图像数据集,并提出一种基于深度学习的食用菌菌丝体表型参数自动测量方法.将U-Net网络编码器部分替换为VGG16的前13个卷积层,引入预训练权重,构建适用于菌丝体分割的VGG-UNet模型.测试集上对比实验表明,该模型的平均交并比达到98.18%,比原始U-Net模型高0.93个百分点.经该模型获取菌丝体分割图像后,利用OpenCV相关函数计算菌丝体的半径、周长、面积、覆盖度、圆整度这5个表型参数.将人工测量方法与本文方法进行线性回归分析,得出菌丝体半径、周长、面积和覆盖度的决定系数分别为0.979 5、0.991 5、0.975 0和0.975 0,均方根误差分别为2.20 mm、4.73 mm、176.74 mm2和3.16%.经测试,本文方法能准确地完成食用菌菌丝体表型参数自动测量任务,为食用菌表型分析研究提供理论基础.
关键词： 食用菌菌丝体 表型参数 深度学习 图像处理 语义分割 VGG-UNet
全文链接
请求原文
基于多源卫星遥感影像的广西中南部地区甘蔗识别及产量预测
《自然资源遥感 》 2024 北大核心 CSCD
摘要：针对广西地区作物种类多、蔗区调查复杂度高，以及因天气多变导致的卫星遥感图像获取困难等问题，该文提出了一种基于Sentienl-2影像的语义分割改进算法用于自动识别甘蔗种植区域，并在多时相的Sentinel-2和Landsat8影像数据基础上，提出了一种代表性光谱特征提取方法构建甘蔗产量预测模型。首先在轻量级网络BiseNetV2中加入了高效通道注意力模块（efficient channel attention, ECA）,构建了ECA-BiseNetV2模型识别蔗田的种植区域；然后从识别到的甘蔗种植区域中提取不同时期的多种植被指数，利用线性回归模型将Landsat8植被指数转化为Sentinel-2植被指数，以减小Sentinel-2和Landsat8的数据差异；接着对各蔗区、各生长周期内的植被指数时间序列数据进行三次曲线拟合，提取最大值作为代表性光谱特征；最后使用了多种机器学习算法构建产量预测模型。结果表明，所提出模型总体精度达91.54%,甘蔗查准率达95.57%;基于植被指数拟合最大值构建的决策树模型的测试集R2为0.792,比采用实际最大值构建的相应模型（R2=0.759）提升了4.3%。该方法可有效解决因天气问题导致的甘蔗关键生长期遥感图像缺失而难以准确构建产量预测模型的问题，展示出较强的应用性。
关键词： 语义分割 植被指数 甘蔗产量预测 卫星遥感 时间序列
全文链接
请求原文
首页上一页1下一页尾页
