基于深度可分离与空洞卷积的轻量化小麦 生育进程监测模型研究

打开文本图片集

摘要： 小麦的栽培管理措施依赖于其生育进程的监测，而传统人工观测小麦生育信息的获取方式，不仅效率低而且无法满足实时、快速的监测需求。为了解决上述问题，本研究提出一种基于深度可分离和空洞卷积的轻量化小麦生育进程监测方法，开展对小麦生育进程自动识别的研究。通过对试验田小麦完整生育周期内物候特征的持续拍摄，得到小麦各生育期分类图像数据集，并使用去中心化、错位缩放、翻转变换的图像增强方式对小麦生育期数据集进行扩充；通过使用深度可分离卷积有效地降低了模型的参数量和训练时间，在此基础上加入空洞卷积技术扩大网络中的感受野，提高网络对边缘的特征学习能力，并借助残差网络的技术逐步加深神经网络的深度，构建小麦生育进程监测模型。（剩余9746字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。