基于卷积神经网络的大蒜长势评估

信息技术与农业建设的融合，是推进农业高质量发展的重要抓手，也是实现农业现代化的有效途径。现代计算机技术快速发展，以人工智能为基础的图像识别与分类技术，在作物长势监测、病虫害预警、产量预测等领域应用广泛。世界大蒜看中国，大蒜的信息化水平在价格预测、单产预测、面积预测、舆情分析等研究中体现，但在大蒜长势监测与评估方面有所欠缺，致使大蒜长势信息不透明，制约了大蒜产业的发展。针对这一问题，在进行文献分析及实地调研的基础上，开展针对大蒜长势方面的研究，设计开发了大蒜长势评估服务模块，并将研究成果应用于大蒜长势监测。具体研究内容如下：　　（1）大蒜生长期识别与分类　　对所采集的大蒜图像数据进行预处理，通过调整图像尺寸、旋转、翻转、调整图像亮度等方法扩充数据集，借助颜色分割、前景分割等方法去除噪声，利用卷积神经网络模型对大蒜各生长时期的图像特征进行提取，根据这些特征对大蒜的生长期进行识别与分类。结果显示，卷积神经网络模型对大蒜幼苗期、分化期及伸长期识别与分类的准确率分别为97.99%、96.14%、96.92%，综合准确率为97.02%，较为精准地判别出大蒜所处生长期。　　（2）构建大蒜长势参数评估模型　　根据主成分分析及相关性分析，确定大蒜各生长时期的主要长势参数及图像特征，筛选出地上生物量、叶面积指数、株高、冠层覆盖率等指标。分别利用卷积神经网络(CNN)、支持向量机(SVM)、随机森林(RF)三种模型对大蒜幼苗期、分化期及伸长期的长势参数进行估算，构建了长势参数估算数据与实测数据间的线性回归模型，采用R2和MSE定量评价并比较三个模型的估算效果。结果表明：卷积神经网络模型对大蒜长势参数估算的性能优于支持向量机和随机森林。　　（3）大蒜长势评估与验证　　根据卷积神经网络模型长势参数估算结果，构建大蒜长势参数评估体系，将各长势参数进行标准化处理，将长势参数所获分数相加，获得总得分。设有四个实验区A、B、C、D，对四个实验区大蒜每日、各生长时期及总体的长势情况进行评估与比较，发现实验区A的大蒜长势情况最好，实验区D的大蒜长势情况最差。　　（4）搭建大蒜长势评估服务模块　　根据所研究成果，将卷积神经网络模型应用于长势监测，此模块共分为数据查询、数据分析、综合服务等三个板块：数据查询板块展示了所获取大蒜生长期内的环境数据、人工测量数据、物联网实时数据等；数据分析板块为大蒜长势评估，输入大蒜生长图像，输出大蒜所处生长期及长势情况；综合服务板块包含了大蒜简介、大蒜加工技术、大蒜保存技术等。

大蒜;长势评估;图像处理;卷积神经网络

山东农业大学

硕士

农业工程与信息技术

张超;柳平增;许世卫