基于改进CNN的玉米叶面积指数估测方法及系统技术方案

本申请涉及农作物预测技术领域，提供了一种基于改进CNN的玉米叶面积指数估测方法及系统。在该方法中，对残差网络的输出层和特征提取模块分别进行改进，在残差网络中添加Triplet注意力机制模块以及对残差网络进行重新编排，根据样本图像对得到的玉米生育期识别模型进行训练，以根据玉米生育期图像对玉米叶面积指数进行预测。籍以，在残差网络的基础上改进输出结构，适配回归任务，并引入Triplet注意力机制模块实现特征融合和自注意力机制，提升玉米生育期识别准确率；通过对网络改进和重新编排，不但降低网络复杂度，而且提高了模型的计算速度，能够更好的进行玉米叶面积指数的预测，且具有识别快速精准和轻量化的特点。

【技术实现步骤摘要】

本申请涉及农作物预测，特别涉及一种基于改进cnn的玉米叶面积指数估测方法及系统。

技术介绍

1、叶面积指数(leaf area index，简称lai)是反映作物群体大小的重要农学指标，能够衡量作物光合源大小和光合能力，在农业生产活动中，通过测量并记录叶面积指数的变化，能够得出作物的生长状况，进而为科学栽培管理提供依据。同时，叶面积指数与作物的产量计算密切相关，准确获取叶面积指数能够提升产量估算的精度。因此，及时准确地获取叶面积指数在作物生长监测中至关重要。

2、传统叶面积指数估测需要人员采用仪器进行多次取样测量才能得出，操作过程繁琐复杂，且取样过程中要求选取的样本具有良好的代表性，否则不能反映真实生长状况，同时取样操作会对作物产生破坏。而玉米生长速度快，具备专业知识和测量仪器的农业人员少，不能较好地满足当下玉米种植范围大、所需监测频次高的要求。

3、因而，亟需提供一种针对上述现有技术不足的技术方案。

技术实现思路

1、本申请的目的在于提供一种基于改进cnn的玉米叶面积指数估测方法及系本文档来自技高网...

【技术保护点】

1.一种基于改进CNN的玉米叶面积指数估测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进CNN的玉米叶面积指数估算方法，其特征在于，步骤S101中，所述对所述卷积神经网络中的残差网络的输出层进行改进，包括：

3.根据权利要求1所述的改进CNN的玉米叶面积指数估算方法，其特征在于，步骤S101中，对所述卷积神经网络中的残差网络的特征提取模块进行改进，包括：

4.根据权利要求1所述的改进CNN的玉米叶面积指数估算方法，其特征在于，步骤S101中，对所述卷积神经网络中的残差网络的特征提取模块进行改进，还包括：

5.根据权利要求1所述的...

【技术特征摘要】

1.一种基于改进cnn的玉米叶面积指数估测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进cnn的玉米叶面积指数估算方法，其特征在于，步骤s101中，所述对所述卷积神经网络中的残差网络的输出层进行改进，包括：

3.根据权利要求1所述的改进cnn的玉米叶面积指数估算方法，其特征在于，步骤s101中，对所述卷积神经网络中的残差网络的特征提取模块进行改进，包括：

4.根据权利要求1所述的改进cnn的玉米叶面积指数估算方法，其特征在于，步骤s101中，对所述卷积神经网络中的残差网络的特征提取模块进行改进，还包括：

5.根据权利要求1所述的基于改进cnn的玉米叶面积指数估算方法，其特征在于，步骤s...

【专利技术属性】
技术研发人员：时雷，雷镜楷，王健，吕海燕，孙肖云，孙彤，熊蜀峰，席磊，郑光，乔红波，马新明，吴连成，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：