利用分层卷积神经网络在无人机图像上评估水稻幼苗的发芽率和密度，迈向精准农业

摘要

水稻是一种重要的食物，对为全球人口提供营养起着至关重要的作用。因此，评估水稻产量的方法受到了大量研究。水稻幼苗的数量（密度）是一个主要的农艺参数，它与收获量密切相关，同时也对存活率有重要影响。无人机（UAV）配备了轻量级的传感器，在作物表型分析领域发挥了重要作用。无人机能够以准确且高效的方式测量发芽率和密度，而这种方式相比人工评估更为省力且成本更低。在图像处理方面，尤其是深度学习（DL）模型的应用中，学术界对无人机图像在各种农业监测任务中的价值进行了大量研究。本研究开发了一种利用分层深度网络（RSAGRD-AIHDN）模型通过航空图像来评估水稻幼苗发芽率和密度的方法。本文的目标是利用遥感（RS）或基于无人机的成像技术来评估稻田中的发芽率和幼苗密度，从而改进作物生长情况的监测。为此，首先应用了包括图像采集和预处理在内的双重图像预处理步骤，以确保输入数据的质量和一致性。此外，RSAGRD-AIHDN模型采用了ConvNeXt方法进行特征提取。在水稻幼苗检测与分类方面，该模型结合了多种集成模型，包括堆叠自编码器（SAE）、双向时间卷积网络（BiTCN）和深度Q学习（DQL）。通过对水稻幼苗的航空数据集进行实验评估，发现RSAGRD-AIHDN方法的准确率达到了98.68%，优于现有的方法。