关键词：
语义分割
视觉感知
冠层覆盖度
大豆育种
摘要：
大豆是全球重要的粮油饲兼用作物与工业原料,其冠层结构具有高度遗传相关性并决定着植株对养分光照的竞争能力,从而大豆影响长势与产量。因此,试验田场景下的冠层覆盖度高通量准确提取是智能评价大豆品种优势的重要前提。随着深度学习的发展,语义分割方法有助于实现大豆冠层覆盖度端到端的提取,然而,针对育种试验田环境的特殊性,尚存一些关键技术亟待突破。首先,育种阶段作物遵循统一的栽培标准,相同品种大豆冠层具有近似的遗传表达,这些独有的先验信息尚未在冠层提取时被充分发掘与利用。其次,育种基因型多样,长势稀疏的大豆植株在遥感影像中像素占比极少,这为冠层结构提取带来挑战。最后,分割边界粗糙与覆盖度自动化评价的缺失加剧了大豆选种育种过程中覆盖度信息的提取难度。因此,本文拟针对自然环境下育种实验田中不同基因型的大豆植株,构建大豆冠层近地面遥感数据集,开展基于语义分割的大豆冠层覆盖度信息提取方法研究,主要内容包括:
1、针对大豆育种环境下栽培标准与品种多样的特点,提出了基于田间场景属性的特征映射编码方法。设计田间场景属性感知模块结合地块空间相关性与冠层区域同质性,构建田间场景属性聚合算子增强模型对冠层特征的归纳整合能力,并在此基础上提出基于田间场景属性渐进式聚合的编码器结构,为大豆冠层的特征提取提供更有效的新途径。通过与领域内先进的编码方法对比试验得知,基于田间场景属性的特征映射编码方法取得了最优的特征提取效果,能够实现土壤与冠层的准确区分与冠层密度的精准感知。
2、针对长势稀疏大豆冠层识别困难的问题,提出了基于冠层信息交互的语义重构解码方法。综合小尺度大豆目标特点、编码阶段特征提取方式和解码信息深浅关系,设计基于多阶段冠层特征交互的解码器结构,与前述编码器结构协同构成基于多阶段冠层特征引导的语义分割模型。提出的解码器结构通过引入密集残差结构增强解码器阶段间交互关系,然后设计冠层多尺度融合模块充分挖掘层级间冠层信息,不仅减少了小尺度特征的丢失,也实现了深浅特征优势的互补,提高了模型性能。与主流的语义分割解码方式相比,基于冠层信息交互的语义重构解码方法能够有效提升模型对长势稀疏大豆品种的感知能力,从而将模型适用性推广至基因型更多样的大豆育种工作。
3、为优化覆盖度数值计算与结构化分类评级流程,提出了规模化育种条件下的大豆冠层覆盖度信息高精度提取方法。基于前文提出的编解码方法,通过建立冠层特征图邻域内像素点的空间语义关联,构建基于组合式空洞采样的语义分割模型,细粒度优化大豆冠层提取边界。此外,构建首个面向智慧育种的大豆冠层覆盖度评价体系,填补了大豆冠层覆盖度高通量提取与农业专家育种经验之间的空白。实验结果表明,本文提出的语义分割模型实现了196个大豆品种冠层结构的精准提取,综合性能优于其他同类模型。构建的大豆冠层覆盖度评价体系合理有效,其分类结果符合农业专家经验,能够为大豆智慧育种提供可靠信息。
中国学术期刊网络出版...
详细信息
万方学位论文库
详细信息
