摘要
[目的]为评估长江下游稻麦轮作区小麦秸秆全量还田对下茬水稻早期生长的影响,设计1种基于深度学习和三维重建的单株水稻生长形态参数测量方法.[方法]首先,以交并比(IoU)、像素精度(PA)和F值(精准率和召回率的调和平均数)作为精度衡量指标,对比传统图像分割方法(ExG+Otus、Grabcut)和深度学习模型(DeepLabv3+、SegNet、PSPNet)优选出适用于田间水稻植株的图像分割方法.然后,将植株分割图像作为输入,使用多视图空间雕刻算法对水稻进行三维重建,并从模型中提取植株形态参数,与人工测量值对比验证精度.最后,利用筛选出的方法对不同秸秆还田方式下的水稻早期生长发育情况进行量化对比.[结果]DeepLabv3+网络可用于田间水稻图像分割,在水稻分蘖期的不同阶段均能实现较好的分割效果,且能克服田间的杂草、浮萍、倒影等干扰因素,其性能指标分别为IoU值0.801,PA值0.986,F值0.822,优于其他图像分割方法.使用空间雕刻算法结合深度学习图像分割技术可以实现田间水稻的三维模型重建,根据植株三维模型计算得到株高、叶长、分蘖数和叶片数4个形态参数,与人工测量参数对比,决定系数(R2)分别为0.99、0.95、0.89和0.95,均方根误差(RMSE)分别为1.03、1.19、0.82和1.39.利用该方法对"泡田+旋耕(SR)""旋耕+泡田(RS)"和"翻耕+旋耕+泡田(PRS)"3种不同秸秆还田方式下的水稻早期生态参数进行为期4周的测量,从生长参数的增量对比来看,整体上水稻受秸秆还田的负面影响从小到大依次为PRS、RS、SR.[结论]本文方法可以实现较高精度的田间单株水稻三维重建,可用于秸秆还田后水稻早期生长形态检测研究.
基金项目
江苏省农业科技自主创新资金项目(CX171002)
国家科技期刊平台
NSTL
维普
万方数据