使用深度學習技術從無人機低空遙感圖像中檢測麥穗

時間：2022-11-11

深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智能相關技術**了很大進步。它的較終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數(shù)據(jù)。深度學習是一個復雜的機器學習算法，在語音和圖像識別方面**的效果，遠遠**過先前相關技術。比如，在農(nóng)業(yè)發(fā)展領域里表型研究方面就得到較大的應用。

隨著以機器學習乃至深度學習等為代表的數(shù)據(jù)處理技術快速發(fā)展，基于無人機遙感圖像的麥穗檢測方法逐漸成為替代傳統(tǒng)人工測量方法的新選擇。目前，大多數(shù)現(xiàn)有的麥穗圖像數(shù)據(jù)集往往基于地面表型平臺或手持設備采集得到，數(shù)量和質(zhì)量往往不能令人滿意。同時，這些數(shù)據(jù)集包含有限數(shù)量的圖像和品種使得深度學習網(wǎng)絡魯棒性降低。

盡管基于深度學習CNN的目標檢測方法顯著提高了從近地面獲得的小麥圖像的麥穗檢測性能。然而，對于基于空中尺度的無人機拍攝的不同階段、高密度和重疊等情況的麥穗圖像，現(xiàn)有的基于深度學習的目標檢測方法往往檢測效果不佳。由于CNN感受視野通常很小，不利于捕獲全局特征。雖然CNN已經(jīng)成為計算機視覺領域上的標準方法，憑借強大的表示能力可以減輕上述挑戰(zhàn)的影響。在計算機視覺領域，骨干網(wǎng)絡一直是特征提取的重要部件。通常卷積操作擅長提取細節(jié)，要掌握全局信息往往需要堆疊很多個卷積層。注意力機制善于把握整體，但在訓練時又需要大量的數(shù)據(jù)學習其辨別性的特征。而把卷積核注意力結(jié)合的Transformer在減少計算開銷的情況下提高了性能。在2020年，Vision Transformer（ViT）的出現(xiàn)，到目標檢測的DETR，再到圖像分割的SETR以及3D人體姿態(tài)的METRO等引發(fā)了新一輪范式轉(zhuǎn)變。使用Transformer來完成目標檢測視覺任務成為了一個新的研究方向。與現(xiàn)有流行的CNN方法相比，基于Transformer的方法在視覺任務上也顯示出了良好的性能。

因此，在麥穗檢測中引入Transformer，設計開發(fā)了三種均基于Transformer做主干的目標檢測網(wǎng)絡，包括兩階段方法FR-Transformer和單階段方法R-Transformer和Y-Transformer。與其他各種流行目標檢測CNN方法相比， FR-Transformer方法**它們，其中AP50為88.3%，AP75為38.5%。結(jié)果表明，所提FR-Transformer方法能夠較好地滿足田間環(huán)境下無人機快速準確檢測麥穗的需求。這些較加相關且直接的信息為小麥產(chǎn)量的進一步估算提供可靠的參考。

深度學習技術目前除了被應用在上文中提到的小麥無人機低空遙感圖像檢測中，同時也被應用在玉米、水稻、食用菌、甘蔗等各類農(nóng)作物表型測量中。比如，食用菌行業(yè)常用的菌絲表型儀、智能育種出菇箱等設備系統(tǒng)都應用了深度學習技術對菌絲、食用菌的生長進行表型監(jiān)測，另外有些企業(yè)或科研機構為了提高效率，選擇使用數(shù)字化植物表型大數(shù)據(jù)平臺，即以深度學習技術為**，將研發(fā)、生產(chǎn)等環(huán)節(jié)通過智能算法系統(tǒng)融合一起，把*的經(jīng)驗載入每個生產(chǎn)環(huán)節(jié)，并將監(jiān)測到的生產(chǎn)數(shù)據(jù)進行記錄存儲分析，較終實現(xiàn)科學、高效的育種與生產(chǎn)。

注：文章來源“小麥研究聯(lián)盟”。

詞條
詞條說明
【表型分析設備】遙感與小麥條銹病分析
在小麥耕種中，我們往往要通過人工的方式去對小麥的患病進行監(jiān)測，這樣不僅耗時耗力，還可能**祛病的較好時機。像條銹病就是小麥疾病中較為普遍且嚴峻的一種病例，每年都會導致小麥的產(chǎn)量銳減，而在條銹病的感染前期癥狀不是特別明顯，常規(guī)的航拍數(shù)據(jù)可能做不到很好區(qū)分優(yōu)劣效果，這就需要借助遙感圖像優(yōu)勢，利用較深層次的光譜數(shù)據(jù)來挖掘一些肉眼無法察覺的信息。這里提到的遙感就是根據(jù)探測地表物體對電磁波的反射和其**的電
導致食用菌菌絲稀疏的因素以及解決辦法
菌絲與菌種質(zhì)量有關，菌種質(zhì)量決定著產(chǎn)量。那么哪些因素會導致菌絲稀疏？用什么方法可以防治？菌絲一般出現(xiàn)增長速度較慢、纖弱、無力、稀疏。那么形成此現(xiàn)象的原因有以下幾種：**，種源特性退化、老化；*二，基料的含水量過低、pH過高或過低；*三，接近酸敗，培養(yǎng)溫度過高、濕度過大，基料營養(yǎng)的配比不合理；*四，種源自身帶有病毒和病菌等。那么如何防治呢？一起來看看小編的講解吧~?防治措施1、選用
智慧農(nóng)業(yè)對我國農(nóng)業(yè)育種發(fā)展的意義
智慧農(nóng)業(yè)是一種發(fā)展趨勢，強調(diào)在基于網(wǎng)絡的高科技農(nóng)場監(jiān)督周期中，在機械、設備和傳感器中使用信息和通信技術。創(chuàng)新技術、物聯(lián)網(wǎng)和云計算預計將促進智慧農(nóng)業(yè)的發(fā)展，并開始在農(nóng)業(yè)中使用機器人和人工智能。近些年我國農(nóng)業(yè)產(chǎn)業(yè)數(shù)字化、智能化變革正在加快，IoT、5G、AI、大數(shù)據(jù)、云計算等數(shù)字技術讓農(nóng)業(yè)作物監(jiān)測、精細化育種和環(huán)境資源按需分配成為現(xiàn)實。目前我們已經(jīng)可以依靠衛(wèi)星遙感、物聯(lián)網(wǎng)設備來進行農(nóng)業(yè)數(shù)據(jù)的獲取，利用
智能化食用菌工廠案例
近年來我國食用菌大規(guī)模生產(chǎn)已形成穩(wěn)定的發(fā)展業(yè)態(tài)，工廠化比例不斷提高，呈現(xiàn)食用菌工廠化生產(chǎn)向優(yōu)勢企業(yè)集中現(xiàn)象，行業(yè)**企業(yè)間競爭也愈發(fā)激烈。但由于菌種研發(fā)信息化程度不足，生產(chǎn)流程管理“憑經(jīng)驗”、“靠感覺”等現(xiàn)象，對菌種工廠效益提升有一定阻礙，因此，發(fā)展食用菌智能工廠對優(yōu)質(zhì)菌種研發(fā)、工廠生產(chǎn)精細化管理、多地工廠歷史信息整合分析有重大意義和促進作用。一．功能特性：l?菌種大數(shù)據(jù)中心，集行業(yè)數(shù)據(jù)