期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于无人机影像和卷积神经网络的水稻育种材料产量预测研究
1
作者 吉文翰 郑恒彪 +8 位作者 王迪 唐伟杰 张小虎 郭彩丽 姚霞 江冲亚 朱艳 曹卫星 程涛 《南京农业大学学报》 北大核心 2025年第5期1001-1012,共12页
[目的]收获前获取水稻育种小区的产量信息是高通量表型监测的重要组成部分,也是水稻高产育种的迫切需求。当前,水稻产量预测方法大多基于少数品种,且由线性回归、机器学习等方法建模,因此估产模型一般都存在迁移性较差、精度不高等问题... [目的]收获前获取水稻育种小区的产量信息是高通量表型监测的重要组成部分,也是水稻高产育种的迫切需求。当前,水稻产量预测方法大多基于少数品种,且由线性回归、机器学习等方法建模,因此估产模型一般都存在迁移性较差、精度不高等问题。本研究旨在利用无人机影像和深度学习网络构建适用于多水稻品种的产量预测模型。[方法]利用无人机获取水稻育种试验的多时相RGB和多光谱影像,系统比较了线性回归、机器学习、深度学习算法在产量预测上的表现;提出一种基于注意力机制和卷积神经网络的水稻产量预测方法,并对比分析了ResNet50、MobileNetV3、ShuffleNetV2三种网络的表现。[结果]线性回归和机器学习算法在水稻育种小区产量预测上表现较差(R^(2)<0.3)。MobileNet模型的收敛速度和预测精度是最高的,测试结果的R^(2)、RMSE、RRMSE分别为0.55、1.06 t·hm^(-2)、12.62%。引入注意力机制的MobileNet模型的收敛速度和预测精度得到了一定的提高,测试结果的R^(2)、RMSE、RRMSE分别为0.58、1.03 t·hm^(-2)、12.26%。利用时域卷积网络(temporal convolutional network)构建的时间序列模型对水稻产量预测精度有一定提升,R^(2)、RMSE、RRMSE分别达到0.64、0.96 t·hm^(-2)、11.4%。[结论]卷积神经网络为水稻育种材料产量预测提供了可靠方法,为基于无人机平台的水稻高通量表型研究提供了较好的技术支撑。 展开更多
关键词 无人机影像 卷积神经网络 产量预测 水稻育种材料
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部