基于卷积神经网络的生菜多光谱图像分割与配准
2021-10-13黄林生卢宪菊郭新宇樊江川
农业机械学报 2021年9期
黄林生 邵 松 卢宪菊 郭新宇 樊江川
(1.安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心, 合肥 230601;2.国家农业信息化工程技术研究中心, 北京 100097; 3.数字植物北京市重点实验室, 北京 100097)
0 引言
生菜是世界上广泛种植的一种重要的经济蔬菜作物,美国、欧洲和中国产量较高[1]。生菜富含维生素、类胡萝卜素、抗氧化剂和其他植物营养素[2],是常见的蔬菜之一。生菜叶片是生物量累积的主要器官,其在营养生长过程中可多次收获[3],因此如何无损地监测生菜生长状态和确定其采摘时期具有重要意义。
现阶段传感器技术和图像分析技术快速发展,在获取丰富数据的同时,可挖掘的图像信息也越来越丰富。拼接、配准、融合、语义分割和目标识别等技术是图像挖掘的基础。多光谱成像技术因其具有无损、快速、高效等优点,在对作物表型[4]以及生理状态的监测和分析中具有广阔的应用前景。其中,如何快速、精准地通过多光谱图像对作物进行感兴趣区域(ROI)提取是数据分析的前提,具有重要的意义。
光谱成像技术因其具备能够同时表征作物生长状态及生理生化信息的图像和光谱特征,近年来已被广泛应用于农业领域,如作物的品质检测、长势检测等领域。Pix4D软件、ENVI软件在处理离地面较近,如地面表型平台或者近地使用多光谱相机对作物进行拍摄分析表型(一般多光谱相机与地面距离1~3 m时),并不能解决5通道引起的相位差,导致在分析光谱时产生较大误差。……
登录APP查看全文
