基于改进ShuffleNetV2的大田棉花干旱程度分类研究OA
【目的】通过研究棉叶卷曲变化评定大田棉花干旱程度,为棉田精准灌溉和智能决策提供依据。【方法】设计棉田水分梯度试验,采集处于生育关键时期的棉花RGB图像数据,构建基于ShuffleNetV2的专用于评定大田棉花干旱程度的检测模型——CottonNet,旨在在复杂的大田环境下实现快速而精准的干旱监测。为了提高对棉叶的特征提取能力,在基线模型中引入SimAM注意力机制。将网络中的Conv5卷积块替换为幽灵模块(Ghost Module),以减少模型的参数量和模型大小来适配资源受限的设备。【结果】CottonNet模型在识别棉花干旱程度的准确率高达98.02%,较ResNet18等传统模型有所提升,同时,模型的参数量仅为2.13 M,较基线模型减少了14%,模型大小仅为4.3 MB,较基线模型减少了12%。【结论】CottonNet模型提高了对棉花干旱程度的识别准确率,更适合评定大田棉花干旱程度。
郭强;张婧婧;韩博;王新军;万易平;楚鹏宇
新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心,乌鲁木齐830052新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心,乌鲁木齐830052新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心,乌鲁木齐830052新疆农业大学/新疆土壤与植物生态过程重点实验室,乌鲁木齐830052新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心,乌鲁木齐830052新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心,乌鲁木齐830052
农业科技
棉花叶片卷曲深度学习ShuffleNetV2
《新疆农业科学》 2026 (3)
P.214-228,15
新疆维吾尔自治区重大科技专项“农场数字化及智能化关键技术研究”子课题(2022A02011-2)科技创新2030“新一代人工智能”重大项目(2022ZD0115805)自治区研究生科研创新项目(XJ2025G135)。
评论