共查询到19条相似文献，搜索用时 328 毫秒
1.
为了快速获取柑橘树冠信息,提升柑橘园精准管理,该研究基于无人机平台获取了柑橘数码和多光谱影像,分析了无人机影像反演柑橘树冠信息的效果。首先利用无人机数码影像及分水岭算法进行柑橘单木分割,然后构建柑橘树冠层高度模型,提取柑橘株数、株高、冠幅投影面积等结构参数信息,进而利用无人机多光谱影像获取柑橘的8种常用植被指数,采用全子集分析法筛选柑橘冠层氮素含量的敏感植被指数,构建基于多元线性回归的冠层氮素遥感反演模型,进行以冠幅为基本单元的柑橘树冠层氮素含量遥感制图。研究结果表明:柑橘的单木识别准确率在93%以上,召回率在95%以上,平均F值为96.52%;柑橘树的反演株高与实测株高具有较强的相关性,决定系数R2为0.87,均方根误差为31.9cm;单株冠幅投影面积与人工绘制的冠幅面积的决定系数,除果园A在12月的结果较低(R2为0.78)外,其余均在0.94及以上;采用全子集分析法筛选的柑橘冠层氮素敏感植被指数为归一化植被指数(NDVI)、绿色归一化植被指数和冠层结构不敏感指数,所建立的多元回归模型的决定系数R2达0.82,均方根误差为0.22%,相对误差为6.59%。综上,无人机影像在柑橘树冠参数信息提取方面具有较好的应用效果,能够快速有效地提取柑橘树冠参数信息。该研究可为使用无人机平台进行果园精准管理提供技术支撑。 相似文献
2.
基于超分辨率重建和多模态数据融合的玉米表型性状监测 总被引：1，自引：1，他引：0
无人机遥感技术已逐渐成为获取作物表型参数的重要工具,如何在不降低测量精度的同时提高空间分辨率和测量通量受到表型研究人员的重视。该研究以玉米为研究对象,获取5个生育期无人机图像序列,结合小波变换与双三次插值对数码影像进行超分辨率重建,提取原始影像和重建影像的冠层结构、光谱等参数。基于单一参数和多模态数据构建地上生物量估算模型。结果表明：重建影像质量较高、失真较小,其峰值信噪比为21.5,结构相似性为0.81。航高60 m的重建影像地面采样距离与30 m的原始影像相近,但每分钟可多获取0.2 hm2地块的图像。多模态数据融合在一定程度上克服冠层饱和问题,相对于单一参数获得更高的生物量估测精度,拟合的决定系数为0.83,单一参数拟合的决定系数为0.095～0.750。在采用更高飞行高度条件下,结合超分辨率重建和多模态数据融合估算生物量的精度没有降低、反而略有提高,满足更高测量通量的需求,为解码基因型与表型关联的策略提供依据。 相似文献
3.
无人机热红外图像计算冠层温度特征数诊断棉花水分胁迫 总被引：8，自引：7，他引：1
针对当前无人机热红外遥感诊断作物水分胁迫状况精度不高的问题,该文以4种水分处理的花铃期棉花为试验对象,利用六旋翼无人机搭载热红外传感器,连续5 d采集中午13点的棉花冠层高分辨率热红外影像,通过Canny边缘检测算法将热红外图像中的土壤背景有效剔除,应用温度直方图验证剔除效果,然后计算棉花冠层温度特征数,包括冠层温度标准差(standard deviation of canopy temperature,CTSD)和冠层温度变异系数(canopy temperature coefficient of variation,CTCV);分别研究棉花冠层温度特征数与棉花叶片气孔导度Gs、蒸腾速率Tr、水分胁迫指数(crop water stress index,CWSI)和土壤体积含水率(soil volumetric water content,SWC)的相关关系,并分析冠层温度特征数对诊断棉花水分胁迫的适用性。研究结果表明:棉花冠层温度特征数与表征棉花水分胁迫的生理指标和物理指标都具有较高的相关性,最大的决定系数R2为0.884;棉花冠层温度标准差CTSD和变异系数CTCV与Gs、Tr、CWSI、SWC的决定系数R2分别为0.884、0.625、0.673、0.550和0.853、0.583、0.620、0.520,冠层温度标准差CTSD对作物水分胁迫的敏感程度更高,可以作为诊断作物水分胁迫的新指标。该研究提出冠层温度特征数的计算方法仅需要无人机热红外影像数据,相比其他诊断作物水分胁迫状况的温度指标具有较大的应用潜力。 相似文献
4.
基于无人机热红外与数码影像的玉米冠层温度监测 总被引：10，自引：9，他引：1
快速、准确、无损地获取田间玉米冠层温度,对实现无人机辅助玉米抗旱性状的监测具有重要的意义。该文以无人机搭载热红外成像仪和RGB高清数码相机构成低空遥感数据获取系统,以不同性状的拔节期玉米为研究对象,采集试验区的无人机影像。利用含有已知三维坐标的几何控制板,进行数码影像几何校正,并利用校正后的数码影像对热红外影像进行几何配准。利用便携式手持测温仪测量辐射定标板黑白面的温度,对热红外影像进行辐射定标。利用高空间分辨率的数码影像对玉米进行分类并二值化处理,基于二值化结果提取热红外影像的玉米冠层像元,并提取试验区不同性状玉米的冠层温度。同时,利用便携式手持测温仪在地面同步测量玉米冠层温度,并与提取的冠层温度经行一致性分析,以验证评估基于热红外影像提取玉米冠层温度的效果。结果表明:提取的冠层温度值与地面实测值具有高度一致性(R2=0.723 6,RMSE=0.60℃),提取精度较高,表明基于无人机热红外影像获取玉米冠层温度的方法具有高通量的优势且精度较高。最后将试验区的植被覆盖度与提取的冠层温度进行对比分析,结果表明:玉米冠层温度与其覆盖度有显著的相关性(R2=0.534 5,P0.000 1),覆盖度越高冠层温度越低,反之则越高,说明玉米冠层覆盖度的大小影响玉米冠层温度的高低。该研究可为玉米育种材料的田间冠层温度监测提供参考。 相似文献
5.
基于车载近地遥感系统的冬小麦生育早期产量估测方法 总被引：1，自引：1，他引：0
冬小麦生育早期的产量估测对于制定冬小麦整个生长期的精准管理策略具有重要的参考意义。该文利用车载近地遥感估产系统对冬小麦生育早期冠层叶片光谱信息进行动态获取,提出了一种基于冠层光谱信息的动态光化学植被指数MPRI(mobile photochemical reflectance index),构建了基于MPRI的冬小麦产量车载近地遥感估产模型,分析了估测效果,结合GIS手段对估产数据进行了空间分析。研究结果表明:冬小麦生育早期冠层指数MPRI对冬小麦的产量单点估测具有一定的效果,决定系数R2约为0.78。车载近地遥感估产系统动态测量时,MPRI表现出良好的数据识别能力。通过设置阈值能够剔除动态测量中的土壤背景干扰信息,说明MPRI对于冬小麦生育早期产量具有较好的估测效果。对动态估产结果进行空间分析,能够掌握小区域内小麦生育早期产量的空间分布情况,为冬小麦生育早期产量估测提供了新的思路和方法。 相似文献
6.
基于无人机遥感植被指数优选的田块尺度冬小麦估产 总被引：4，自引：3，他引：1
田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。 相似文献
7.
基于小麦田间试验,采用ASD光谱仪连接余弦接收器实测小麦冠层宽波段反照率,并同步取样测试小麦覆盖指数、干物质积累量、含氮量及绿度特征等指标,对小麦冠层宽波段反照率与小麦长势的关系进行分析。结果表明,冠层反照率与叶面积指数(LAI)间呈极显著正相关关系(P0.01),拟合方程的决定系数为0.74,与NDVI、EVI间均呈显著的线性函数关系(P0.05);冠层反照率与地上干物质积累量、叶茎含氮量间也均呈极显著正相关关系(P0.01),拟合方程的决定系数分别为0.71、0.81和0.60。对于小麦叶片绿度特征,冠层反照率与其相关关系采用两段线性拟合效果较好,两个线性函数的决定系数分别为0.53、0.63。研究结果说明小麦冠层反照率与麦田覆盖特征关系密切,利用宽波段反照率监测小麦长势变化特征是可行的。 相似文献
8.
无人机影像反演玉米冠层LAI和叶绿素含量的参数确定 总被引：6，自引：4，他引：2
小型低空无人机（unmanned aerial vehicle, UAV）机动灵活、操作简便，可以按需获取高空间分辨率影像，是育种玉米长势监测的一种重要技术手段。针对UAV影像反演玉米冠层叶面积指数（LAI, Leaf Area Index）和叶绿素含量的参数确定问题，该研究以DJI S1000+无人机为平台，搭载法国Parrot Sequoia相机，获取海南三亚市崖城玉米育种基地的多光谱影像。基于预处理后的UAV影像，采用重采样的方式获得不同分辨率下（0.1～1 m）的不同植被指数，所构建的植被指数包括归一化植被指数（normalized difference vegetation index，NDVI）、叶绿素指数（grassland chlorophyll index，GCI）、比值植被指数（ratio vegetation index，RVI）、归一化红边红指数（normalized difference rededge-red index，NDIrer）、归一化红边绿指数(normalized difference rededge-green index，NDIreg)和重归一化植被指数(renormalized difference vegetation index，RDVI)，通过将不同分辨率下的不同植被指数与地面实测数据进行回归分析，以获得各分辨率下植被指数与冠层LAI和叶绿素含量的关系模型及其决定系数，以决定系数的大小为依据来确定玉米冠层LAI和叶绿素含量反演的最优空间分辨率和最优植被指数。通过试验发现，在分辨率为0.6 m时，NDVI与地面实测LAI之间的决定系数R2为0.80，决定系数达到了最大，利用该分辨率下的NDVI反演得到的LAI验证精度R2达到了0.73；在分辨率为0.1 m时，NDIreg与地面实测叶绿素含量之间的决定系数R2为0.70，决定系数达到了最大，利用该分辨率下的NDIreg反演得到的叶绿素含量验证精度R2达到了0.63。因此得出结论：1）植被指数的选择：① 对于玉米冠层LAI的反演来说，不包含绿波段的植被指数的LAI反演精度较高，这说明绿波段对LAI的变化不敏感；② 对于玉米冠层叶绿素含量反演来说，包含红边波段的植被指数的反演精度较高，因此影像的红边波段对叶绿素含量的变化非常敏感。2）UAV影像空间分辨率的选择：反演LAI的最优分辨率是0.6 m，此时NDVI与实测LAI的决定系数达到最大；反演冠层叶绿素含量的最优分辨率是0.1～0.3 m范围内，此时NDIreg与实测叶绿素含量的决定系数达到最大。该研究可为UAV反演玉米表型参数时的分辨率和植被指数选择提供参考。 相似文献
9.
基于环境减灾卫星时序归一化植被指数的冬小麦产量估测 总被引：8，自引：5，他引：3
依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。 相似文献
10.
利用无人机多光谱估算小麦叶面积指数和叶绿素含量 总被引：6，自引：4，他引：2
利用无人机遥感的方式进行农作物长势监测是目前精准农业、智慧农业发展的重要方向,为了探究无人机多光谱反演小麦叶面积指数(Leaf Area Index,LAI)和叶绿素含量的模型估算潜力,该研究在3个飞行高度(30、60、120 m)采集多光谱影像,通过使用全波段差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)、归一化光谱指数(Normalized Spectral Index,NDSI)和经验植被指数与地面实测数据进行相关性分析,获得不同高度下的光谱指数与LAI和叶绿素含量的关系模型及其决定系数,以决定系数为依据分别构建多元逐步回归、偏最小二乘回归和人工神经网络模型,分析不同飞行高度无人机多光谱反演小麦冠层LAI和叶绿素含量SPAD(Soil and Plant Analyzer Development)值的精度。结果表明:1)30 m高度下,绿-红比值光谱指数与小麦LAI的相关性最高,相关系数为0.84;60 m高度下,红-蓝比值光谱指数与小麦叶绿素含量的相关性最高,相关系数为0.68;2)在60 m高度下,经验植被指数与小麦LAI和叶绿素含量的相关性较好,最大相关系数分别为0.77和0.50;3)利用偏最小二乘回归反演小麦LAI的精度最高,决定系数为0.732,均方根误差为0.055;利用人工神经网络模型反演小麦叶绿素含量的精度最高,决定系数为0.804,均方根误差0.135。该研究成果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机多光谱波段实现作物长势参数快速估测提供应用参考。 相似文献
11.
为确保油茶果实处于最佳成熟度进行采摘,提高油茶果实的出油率及茶油品质。该研究针对自然环境下油茶果实多被遮挡的问题,以原始YOLOv7模型为基础进行改进,提出一种油茶果实成熟度检测方法。首先,在主干网络中引入十字交叉注意力机制（criss-cross attention,CCA）加强对被枝叶遮挡果实成熟度特征的提取能力;其次,使用基于距离和交并比的非极大值抑制（distance-iou non-maximum suppression,DIoU-NMS）算法代替传统非极大值抑制（non-maximum suppression,NMS）算法,从而加强模型对相互遮挡果实的检测能力;最后,以训练集中3098张油茶果实图像训练改进的YOLOv7模型,验证集中442张图像用于在训练过程中评估模型,并对测试集中885张图像进行测试。改进后的YOLOv7模型在测试集下的精确率P为93.52%,召回率R为90.25%,F1分数为91.86%,平均精度均值mAP为94.60%,平均检测时间为0.77s,模型权重大小为82.6M。与Faster R-CNN、EfficientDet、YOLOv3、YOLOv5l和原始YOLOv7模型相比,平均精度均值mAP分别提升7.51、5.89、4.21、4.21和2.91个百分点。试验证明,改进的YOLOv7模型为实现油茶果实的智能化采摘提供理论依据。 相似文献
12.
施钾水平对油茶养分积累和产油量的影响 总被引：3，自引：1，他引：2
【目的】油茶是中国南方主要的食用油料树种,油茶林地普遍极度缺钾。本文研究施钾水平对油茶氮、 磷、 钾养分积累和产油量的影响及它们之间的关系,从养分的角度分析钾素水平对油茶单株产油量的作用机理,为合理制定油茶林地土壤培肥制度提供科学依据。【方法】以7年生油茶无性系作为供试油茶品种,在江西九江进行田间试验。试验设置了6个K2O用量: 0、 100、 200、 300、 400、 500 kg/hm2和一个不施肥对照(CK),每个处理重复3次。调查和比较了不同处理油茶叶片和果实中氮、 磷、 钾养分含量及单株产油量差异,并针对叶片和果实养分对产油量的作用进行了通径分析。【结果】 K2O年施入量为300 kg/hm2时可有效促进油茶叶片6月份的磷、 钾及10月份叶片和果实的氮、 磷、 钾的积累,提高鲜果含油率和单株果实产量,单株产油量可达到430 g,增施钾肥对叶片6月份氮含量和种仁含油率的影响不明显。果实中的氮、 磷、 钾养分和叶片10月份的氮、 磷与单株产油量显著相关; 果实中的氮和磷积累量对油茶单株产油量的直接作用相对较大,10月份叶片中的氮对产油量也有一定的直接的影响,各养分对产油量的贡献大小顺序为: 果实磷果实氮果实钾叶片氮叶片磷。【结论】施钾水平影响油茶叶片和果实的养分积累,并进一步影响鲜果产量和产油量,K2O年施入量为300 kg/hm2是较适宜的用量。通过合理施用钾肥提高油茶10月份叶片氮、 磷和果实氮、 磷、 钾含量是获得油茶高产的有效途径。 相似文献
13.
基于多模态图像的自然环境下油茶果识别 总被引：1，自引：1，他引：0
针对自然条件下油茶果生长条件复杂,存在大量遮挡、重叠的问题,提出了一种基于RGB-D（red green blue-depth）多模态图像的双主干网络模型YOLO-DBM（YOLO-dual backbone model）,用来进行油茶果的识别定位。首先,在YOLOv5s模型主干网络CSP-Darknet53的基础上设计了一种轻量化的特征提取网络。其次,使用两个轻量化的特征提取网络分别提取彩色和深度特征,接着使用基于注意力机制的特征融合模块将彩色特征与深度特征进行分级融合,再将融合后的特征层送入特征金字塔网络（feature pyramid network,FPN）,最后进行预测。试验结果表明,使用RGB-D图像的YOLO-DBM模型在测试集上的精确率P、召回率R和平均精度AP分别为94.8%、94.6%和98.4%,单幅图像平均检测耗时0.016 s。对比YOLOv3、YOLOv5s和YOLO-IR（YOLO-InceptionRes）模型,平均精度AP分别提升2.9、0.1和0.3个百分点,而模型大小仅为6.21MB,只有YOLOv5s大小的46%。另外,使用注意力融合机制的YOLO-DBM模型与只使用拼接融合的YOLO-DBM相比,精确率P、召回率R和平均精度AP分别提高了0.2、1.6和0.1个百分点,进一步验证该研究所提方法的可靠性与有效性,研究结果可为油茶果自动采收机的研制提供参考。 相似文献
14.
针对油茶果采摘脱壳后存在的果壳籽粒分选效率较低的问题，该研究提出了一种结合人工免疫网络（aiNet）与支持向量机（Support Vector Machine）的多特征智能分选算法。该方法利用了免疫算法的多特征聚类特点与支持向量机的二分性特点，对油茶果壳与籽粒的延伸率、圆形度、圆满度、色差分量等6个特征进行分选。试验结果表明，该研究提出的方法在分选效率上达到了97.4%，时间平均值为600 ms，证明了这种方法在油茶果壳籽粒分选作业中的实时性与有效性。通过与其他智能分选算法的效率对比分析证明，该研究提出的方法在效率上更优，更加适合油茶脱壳生产线的实时性要求。 相似文献
15.
森林遥感影像数据在采集过程中会因为光照的影响产生阴影区域,为了解决这些阴影区域对单棵树木检测的干扰问题,该研究在快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster RCNN)目标检测框架基础上,提出基于生成对抗网络的抗阴影树木检测方法(GenerativeAdversarialBasedFasterRegionConvolutionalNeural Networks,GA-FasterRCNN),通过采用基于对抗生成策略的树木生成器,提高分类网络对树木信息的敏感度,降低阴影的干扰。该研究对3块树木阴影与郁闭度各不相同的测试样地高分遥感影像进行了树木检测试验,并与现存的3种算法进行了对比。结果显示,基于生成对抗网络的抗阴影干扰树木检测方法在3块样地的综合性能指标F1值分别达到了78.4%、91.6%和81.7%,均高于另外3种算法,并且树木识别准确率比现有方法有了明显的提高,漏检数和误检数也均明显减少。此外,在采用不同特征提取网络时该算法依然能保持其检测的稳定性。研究结果表明通过对抗生成训练策略学习表征树木的最少特征信息可有效降低阴影对树木检测的干扰。 相似文献
16.
基于迁移学习与YOLOv8n的田间油茶果分类识别 总被引：1，自引：1，他引：0
为降低视觉引导式油茶果采摘机器人采摘被遮挡油茶果时造成的果树和抓取装置损伤,该研究提出了一种基于迁移学习和YOLOv8n算法的油茶果分类识别方法,将油茶果分成无遮挡和遮挡两类。首先,采用COCO128目标检测数据集作为源域,苹果数据集为辅助域的迁移学习方法训练模型。其次,将学习方法、训练数据量、学习率和训练轮数这4种因素组合,共进行了52组YOLOv8n检测性能的消融试验。最后,将YOLOv8n模型与YOLOv3-tiny、YOLOv5n和YOLOv7-tiny等模型进行比较。试验结果表明,随机权重初始化方式受训练数据量和学习率影响较大,学习率为0.01时模型检测效果最好;而迁移学习方法仅用随机权重初始化1/2的数据量即可达到与其相当的平均精度均值;迁移学习方式下,YOLOv8n模型的平均精度均值最高达到92.7%,比随机权重初始化方式提升1.4个百分点。与YOLOv3-tiny、YOLOv5n和YOLOv7-tiny等模型相比,YOLOv8n模型的平均精度均值分别提高24.0、1.7和0.4个百分点,研究结果可为YOLOv8n模型训练参数优化和油茶果分类识别提供参考。 相似文献
17.
基于双侧图像识别的单株苹果树产量估测模型 总被引：5，自引：5，他引：0
利用普通数码相机获取成熟期苹果树图像进行产量估测,具有成本低、操作简单等特点,其关键是估测模型的建立。该文分别按东南和西北2个方向获取富士苹果成熟期的40株果树的80幅图像,通过果实特征提取,获取东南方向识别出的图斑数量（参数1）、西北方向识别出的图斑数量（参数2）、东南方向识别出的图斑像素面积（参数3）、西北识别出的图斑像素面积（参数4）,分别以识别出的4个参数及双方向图斑数量之和（参数5）、双方向图斑像素面积之和（参数6）共6个参数为自变量,以获取的单株产量信息为因变量,以奇数组20株果树为建模数据集建立线性回归模型。结果表明以参数5构建的产量估测模型的决定系数R2最高为0.81,相对均方根差（NRMSE）值最低为0.11,说明以该参数构建的模型其估测效果最好;进一步利用以参数5构建的估测模型对偶数组20株果树进行验证,其NRMSE值为0.16,估测结果较好,但也存在估测产量较大波动的情况。深入讨论引起估测偏差的情况,后期研究应重点提高逆光、弱光照条件下的成熟期苹果的识别率,及解决由于单果因遮挡被分离而被识别为多果的情况和多果因重叠被识别为单果的情况,以提高识别效果,进而提高产量模型估测效果。 相似文献
18.
随着油茶产业不断壮大，市场上也出现了油茶幼苗品系混乱、以假乱真、以次充好的现象，因此急需开发一种专门的分类识别算法实现不同油茶品种的准确识别。农业领域常用VGG、ResNet网络模型进行分类工作，但存在权重空间过大和准确率不高等问题。该研究对VGG16网络模型进行层间删减以及结构调整，提出了Enhanced VGG16网络模型，在油茶叶数据集上完成模型训练与测试，并与现有经典卷积神经网络（AlexNet、VGG16、Resnet50、InceptionV3、Xception）进行对比。结果表明，Enhanced VGG16网络模型的训练集准确率和测试集准确率分别为98.98%和98.44%，权重空间为90.6 MB。与原始VGG16模型相比，训练集准确率和测试集准确率分别提高3.08和2.05个百分点，权重空间下降165.4 MB，模型性能显著提升。Enhanced VGG16网络模型与经典卷积神经网络相对比，模型综合性能更优。该研究为通过油茶叶进行品种分类识别提供了依据，同时可为其他农作物品种识别提供参考。 相似文献
19.
为了解决油茶果机械化采摘漏采率高、损伤率大和耗能过大的问题,针对摇枝式油茶果采摘装置,该文通过对油茶果振动脱落过程的分析,建立油茶果振动脱落模型并求解,得出影响油茶果脱落的主要因素为作用在枝条上的外力的振幅、频率、作用时间以和夹持位置,并通过预试验和正交试验得到摇枝式油茶果采摘装置的作业参数范围及漏采率最低情况下的作业参数组合。利用高速摄像对油茶果振动脱落过程进行记录,然后回放录像并分析,以油茶果脱落时间作为评价指标,得出采摘效率较高的振动频率、振幅范围为6～10 Hz和20～40 mm,根据平均落果时间范围确定采摘装置的振动作用时间约为4～12 s。根据油茶果在树上的主要分布范围(距离树冠表层260 mm左右),设计四因素三水平正交油茶果采摘试验,得出漏采率最低的作业参数组合为振动夹持位置在距离树梢末端260 mm以内、振动频率10 Hz、振幅20 mm、振动时间8 s,此时油茶果的漏采率为10.87%,花苞损伤率为31.80%。机械夹持方式和铁质的夹持材料对花苞损伤较大,需进一步优化采摘装置作业参数,优化夹持方式和采用柔软的夹持材料,实现油茶果的机械采摘。 相似文献