基于卷积神经网络的农作物植株干旱检测

作者：吴建; 王红军

来源：中国测试, 2021, 1-8.

• 玉米干旱检测
• 计算机视觉
• CNN
• Fisher向量

近年来，随着计算机视觉技术的快速发展，越来越多基于图像的应用被开发出来用以解决农业生产中的问题。目前对农作物生长和产量影响最大的就是植物干旱胁迫问题。传统卷积神经网（CNN）使用直接回归玉米叶片数的算法，在实际实验中误差较大，因此本文引入了CNN和Fisher向量编码联合提取多尺度特征的方法。在设计特征提取网络时参考了GoogLeNet中多尺度卷积核结构，使其更适合于提取不同尺寸叶片的特征。然后，利用Fisher向量对部分中间层特征图编码，增强特征的表达能力。最后，使用随机森林回归叶片数量，并在实验中展示了不同干旱程度对玉米叶片数量的影响：在一定条件下，土壤含水量与叶片数量呈正相关。本文方法与现有算法进行对比，叶片平均误差以及均方误差分别减少了0.011与0.382，具有一定的研究价值。

• 单位
  广安职业技术学院; 西南交通大学