徐建鹏，王 杰，徐 祥，琚书存

·农业信息与电气技术·

基于RAdam卷积神经网络的水稻生育期图像识别

徐建鹏1,2，王 杰1,2，徐 祥1，琚书存1,2

（1. 安徽省农村综合经济信息中心，合肥 230031；2. 安徽省农业生态大数据工程实验室，合肥 230031）

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。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。

图像识别；神经网络；模型；水稻；RAdam；ResNet50；生育期

0 引 言

水稻是中国最重要的粮食作物之一，全国水稻种植面积约占粮食作物面积的30%，产量接近粮食总产量的一半。水稻的生育期监测是指在水稻生育过程中，对各生长发育时期的形态变化进行记载的过程，反映了水稻的生长状态信息。农业气象服务业务通过分析作物各生育期与气象条件之间的关系，帮助农田管理者及时规划田间管理活动（如灌溉和施肥等），还可以为作物长势评估及估产提供重要的参考[1]。……