先验阈值优化卷积神经网络的作物覆盖度提取算法

来源：信号处理杂志 2017年第9期北京时间：

作者：张加楠, 张雪芬, 简萌, 胡树贞, 毋立芳

摘要：农作物的生长观测是农业气象观测的一个重要部分，作物的覆盖度反映了环境对作物综合影响的结果，传统的先验阈值分割法受作物图像中存在的田间杂物、下雨或施肥后的土地以及光照阴影影响较大，会存在误分割的情况，针对这些问题，本文研究基于深度学习的作物与背景的自动分割问题，提出基于RGB和HSI关系阈值法优化的卷积神经网络（RGB-HSI-CNN）的作物图像分割提取覆盖度方法，解决了光照、遮挡、阴影等影响，取得了平均98.3%的模型准确率和97.53%的像素误差，为后续作物检测生长状况态监测以及农作物病虫草害的识别、监测等提供了有力支持。

关键词：农业气象, 覆盖度, 卷积神经网络, 图像分类, 图像分割