机构名称：
¥ 2.0
农作物产量需要以可持续的方式增加，以满足日益增长的全球粮食需求。为了确定具有高产潜力的农作物品种，植物科学家和育种家在数年间评估了多个地点数百个品系的表现。为了促进选择先进品种的过程，本研究开发了一个自动化框架。高光谱相机安装在无人机上，以收集具有高空间和光谱分辨率的航空图像。在连续两个生长季从三个实验产量田拍摄航空图像，这些田地由数百个实验地块（1×2.4 米）组成，每个实验地块包含一个小麦品系。联合收割机收割了上千块小麦地块的谷物，称重并记录为地面真实数据。为了利用高空间分辨率并研究地块内的产量变化，通过整合图像处理技术和光谱混合分析与专家领域知识，将地块图像划分为子地块。随后，使用分层抽样将子地块数据集划分为训练集、验证集和测试集。从每个子地块提取特征后，对深度神经网络进行产量估计训练。在子地块规模上预测测试数据集产量的决定系数为 0.79，均方根误差为 5.90 克。除了提供对子地块规模产量变化的见解外，所提出的框架还可以促进高通量产量表型分析过程，作为一种有价值的决策支持工具。它提供了以下可能性：（i）远程目视检查地块，（ii）研究作物密度对产量的影响，以及（iii）优化地块大小以每年在专用田地中调查更多线路。
航空高光谱图像和深度神经网络……
主要关键词
相关文件推荐
