DOI：10.3969/j.issn.1672-3872.2024.24.012
作 者：费启鸥1 ，刘述栋1 ，韩琳琳2 ，薛文多1 ，潘大伟 1 ，赵 娜1
（1. 鞍钢资源有限公司鞍山综合服务分公司，辽宁 鞍山 114000；2. 沈阳工业大学，辽宁 沈阳 110000）
摘 要：【目的】通过水稻叶龄识别技术，判断水稻所处生长发育阶段，实现精准管控，有效辅助水稻种植管理。【方法】本研究选定叶脉偏向法来识别判断水稻叶龄，其中的关键是从水稻叶片图像中提取出叶片的主叶脉。本研究通过深度学习方法来提取叶脉图像以及叶片轮廓，从而获得叶脉偏向，确定水稻叶龄。【结果】最终训练好的Mask R-CNN模型在三个评估标准上均表现良好，平均交并比（MIoU）达到了93.23%，平均像素精确度（MPA）达到了96.17%，准确率（Accuracy）达到了98.84%，检测结果证明了该模型具有较好的泛化能力和实用价值。【结论】本研究提出的方法能够更加精确地判断水稻叶龄，对了解水稻生长情况具有重要作用，也有利于提高水稻产量及品质。
关键词：水稻；叶龄分析；深度学习；叶脉偏向法
引文信息：[1]费启鸥，刘述栋，韩琳琳，等.基于深度学习方法的水稻叶龄分析研究[J].南方农机，2024，55(24)：45-48.
查看全文请下载PDF文件↓
