姚建斌, 刘建华, 张英娜, 李元好

(华北水利水电大学 信息工程学院, 河南 郑州 450046)

精准识别农作物生长阶段不仅对农作物的科学施肥、按需灌溉、合理施药、保产增产具有重要意义,而且对实现农业生产过程的智能化管理具有促进作用。传统的冬小麦生育阶段识别需要不间断地观测农作物长势,且依赖于专业人士的经验判断,无法适应当前日益扩大的种植规模现状,难以保证有效生产和科学增产。随着深度学习技术在图像处理和识别领域中的不断发展[1-4],其在农业信息化管理方面的应用也越来越广泛[5-7]。如:2011年,陆明等[8]在识别玉米生长期的研究中,根据玉米不同时期颜色和其图像像素值不同的特点,利用RGB(Red、Green、Blue)和HSL(Hue、Saturation、Lightness)分别提取了绿色和黄色特征,从而获取了不同颜色的像素值所占的比重,并根据其差异实现了对玉米生长期的分类识别;2015年,权文婷等[9]采用S-G滤波分析方法处理遥感SAR影像,利用归一化差分植被指数方法,实现了对冬小麦幼苗期和抽穗期遥感图像的归一化识别;2017年,陈玉青等[10]通过机器学习的方式对得到的冬小麦叶面积指数进行分析,根据分析结果开发了一个基于Android手机平台的冬小麦叶面积指数自动检测系统;2018年,张芸德等[11]利用传统的卷积神经网络(Convolutional Neural Networks,CNN)提取了玉米不同生长期的特征,结合粒子群优化算法优化了支持向量机参数,构造了多级支持向量机分类识别模型,最终实现了玉米生长期识别;2019年,贾少鹏等[12]针对农作……