结合高光谱特征与语义分割的水稻产量分类
卢柱1
齐亮1
李邦昱2
1.江苏科技大学电子信息学院 镇江 2120032.江苏科技大学电子信息学院 镇江 212003;中国科学院自动化研究所 北京 100190
摘要：正确分类高产水稻是育种的关键步骤.但在育种程序中进行手动测量非常耗时,且成本高,通量低,限制了其在大规模现场表型分析中的应用.该研究探究了使用高光谱特征波段分布选择法与deeplabv3+语义分割算法分类水稻高光谱数据的潜在用途,以加快许多育种者的水稻育种工作进程.通过配备有高光谱摄像头的无人机平台(UAV)来捕获多个时间序列的水稻高光谱图像,先根据对水稻光谱的相关性分析,采用特征波段分步选择法提取原始数据的最佳波段组合特征向量构成伪RGB图,利用deeplabv3+网络对数据集进行训练,然后对产量类别做出预测.相比传统分类算法,分类准确率提高了10%左右,总体准确率F1-measure约为0.87,均交并比MIOU达到了0.92.该研究在保证分类准确率的基础上,简化了对农作物表型分析和统计的程序,证明了利用水稻高光谱数据预测出高产水稻的可行性.
关键词：农作物高光谱语义分割深度学习deeplabv3+产量分类
分类号：S127(农业物理学)
论文发表日期：2023-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1979-1984,2097 )
英文信息