基于RAdam卷积神经网络的水稻生育期图像识别

作     者：徐建鹏 王杰 徐祥 琚书存 Xu Jianpeng;Wang Jie;Xu Xiang;Ju Shucun

作者机构：安徽省农村综合经济信息中心合肥230031 安徽省农业生态大数据工程实验室合肥230031 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2021年第37卷第8期

页      面：143-150页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：安徽省重大科技专项(202003A06020016) 科技助力经济2020气象行业项目(KJZLJJ202002) 

主　　题：图像识别 神经网络 模型 水稻 RAdam ResNet50 生育期 

摘      要：为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特征进行持续自动拍摄,对采集的水稻图像进行预处理,得到水稻各发育期分类图像数据集;采用ExG因子和大津法(Otsu)算法相结合的方法对水稻图像分割,减小稻田背景干扰;对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期图像分级识别的性能,选取性能较优网络模型并进行了网络参数调优;对比试验了不同优化器下模型准确率和损失值的变化,选取了RAdam优化器。结果表明,采取基于RAdam优化器卷积神经网络构建的模型,在真实场景下分类识别准确率达到97.33%,网络稳定性高、收敛速度快,为水稻生育期自动化观测提供了有效方法。