【论文精选】基于RAdam卷积神经网络的水稻生育期图像识别
《农业工程学报》2021年第37卷第8期刊载了安徽省农村综合经济信息中心等单位徐建鹏、王杰、徐祥与琚书存的论文——“基于RAdam卷积神经网络的水稻生育期图像识别”。该研究由安徽省重大科技专项（项目号：202003A06020016）等资助。
引文信息：徐建鹏,王杰,徐祥,琚书存.基于RAdam卷积神经网络的水稻生育期图像识别[J].农业工程学报,2021,37(8):143-150.
研究目的：
为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题，该研究提出一种基于Rectified Adam（RAdam）优化器的ResNet50卷积神经网络图像识别方法，开展水稻关键生育期的自动识别。
方法：
连续2 a对12块试验田的水稻物候特征进行持续自动拍摄，对采集的水稻图像进行预处理，得到水稻各发育期分类图像数据集；采用ExG因子和大津法（Otsu）算法相结合的方法对水稻图像分割，减小稻田背景干扰；对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期图像分级识别的性能，选取性能较优网络模型并进行了网络参数调优；对比试验了不同优化器下模型准确率和损失值的变化，选取了RAdam优化器。
结果与结论：
结果表明，采取基于RAdam优化器卷积神经网络构建的模型，在真实场景下分类识别准确率达到97.33%，网络稳定性高、收敛速度快，为水稻生育期自动化观测提供了有效方法。
本文由丨《农业工程学报》编辑部丨精编发布
欢迎留言、分享、点赞
转载、投稿、咨询
邮箱：tcsae@tcsae.org
推荐阅读：
·【论文精选】基于电阻率层析成像技术的农田土壤优先流原位动态监测
·【论文精选】基于HYDRUS-1D模型的荒漠绿洲水盐运移模拟与评估
·【论文精选】柴油机SCR载体SOF沉积量估算模型与参数辨识
»» 点击 阅读原文 获取全文