摘要
本发明涉及一种基于改进Deeplab的作物长势分析方法及设备,属于卫星遥感和农业技术领域。先构建作物识别模型并进行作物识别,在DeepLab v3+基础上,融合了卷积级联、CNN‑Transformer双分支全局特征提取、多特征融合模块及SENet注意力机制,然后获取包含植被指数、纹理特征、株高和LAI的多维度数据,构建基于植被指数的GMI模型,对纹理信息与GMI值进行相关性分析,再将相关性高的纹理特征与对GMI影响大的植被指数共同作为自变量以GMI值为因变量构建基于影像波段均值的作物长势监测模型进行作物长势监测。本发明不仅提升了复杂农田场景下作物识别精度,而且实现了长势的精准反演。
技术关键词
作物长势分析方法
长势监测
纹理特征
全局特征提取
空间金字塔池化
空间特征提取
变异系数法
分支
集成特征
支持向量回归算法
指标
分析存储设备
多尺度特征
空洞
表达式
分析电子设备
影像
损失函数优化
灰度共生矩阵
模块
系统为您推荐了相关专利信息
节点特征
融合特征
局部纹理特征
注意力机制
分支
YOLO模型
实时监测数据
剪枝策略
空间金字塔池化
卷积模块