基于深度学习的小麦倒伏自动分类方法研究

作者：臧贺藏; 王从胜; 赵巧丽; 赵晴; 张杰; 李国强; 郑国清^*

来源：河南农业科学, 2023, 52(11): 167-173.

DOI：10.15933/j.cnki.1004-3268.2023.11.018

• 小麦
• 倒伏
• 无人机遥感
• 深度学习
• 分类方法

倒伏是制约小麦产量的关键因素。针对现有小麦倒伏区域统计费时费力、倒伏分类方法较为单一、模型预测精度低的问题，采用无人机遥感平台获取小麦倒伏可见光图像，自建小麦倒伏图像数据集，采用分割模型U-Net、PSPNet、DeepLabv3+和ACSNet自动提取小麦倒伏区域。结果表明，通过4种方法对小麦倒伏区域提取比较，ACSNet对小麦倒伏检测的分割效果较好，其精准率（Pre）、召回率（Rec）、Dice相关系数（DSC）和IoU指数分别为87.5%、91.7%、87.0%、88.6%，计算量（FLOPs）较低，具有较强的准确性和鲁棒性。ACSNet对小麦倒伏预测结果与真实结果接近，识别的平均相对误差为4.5%。表明通过ACSNet能够有效提取小麦倒伏信息，为无人机遥感评估小麦受灾面积及损失提供支撑。

• 出版日期2023
• 单位河南省农业科学院农业经济与信息研究所; 河南师范大学