文献类型：期刊文章

作　　者：徐建鹏[1,2] 王杰[1,2] 徐祥[1] 琚书存[1,2]

Xu Jianpeng;Wang Jie;Xu Xiang;Ju Shucun(Anhui Rural Comprehensive Economic Information Center,Hefei 230031,China;Anhui Agricultural Ecological Big Data Engineering Laboratory,Hefei 230031,China)

机构地区：[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

出　　处：《农业工程学报》

基　　金：安徽省重大科技专项(202003A06020016);科技助力经济2020气象行业项目(KJZLJJ202002)。

年　　份：2021

卷　　号：37

期　　号：8

起止页码：143-150

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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2a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。

关 键 词：图像识别 神经网络 模型  水稻 RAdam  ResNet50  生育期

分 类 号：S126]