石河子大学田敏教授等：基于RCH-UNet的新疆密植棉花图像快速分割及产量预测

阅读文章全文：http://www.tcsae.org/article/doi/10.11975/j.issn.1002-6819.202310082

《农业工程学报》2024年第40卷第7期刊载了石河子大学刘祥、田敏与梁金艳的论文——“基于RCH-UNet的新疆密植棉花图像快速分割及产量预测”。该研究由科技创新2030—“新一代人工智能”重大项目（项目号：2022ZD0115803）等资助。

引文信息：刘祥，田敏，梁金艳. 基于RCH-UNet的新疆密植棉花图像快速分割及产量预测[J]. 农业工程学报，2024，40(7)：230-239.

DOI: 10.11975/j.issn.1002-6819.202310082

研究目的与方法：

针对复杂棉田环境下传统图像分割技术存在分割精度低、实时性弱和鲁棒性差等问题，该研究以脱叶期新疆密植棉花为对象，结合低空无人机遥感平台，提出一种RCH-UNet（resnet coordinate hardswish UNet）棉花产量快速预测模型。将UNet中传统的CBR（convolution batch normalization ReLU）下采样模块替换为ResNet50，同时将CA（coordinateattention）注意力机制和hardswish激活函数引入UNet，以提高图像特征的提取能力，增强图像分割效果。

结果与结论：

基于无人机采集的棉花图像数据集评估RCH-UNet模型性能。试验结果表明，在该研究构建的棉花图像数据集上，RCH-UNet模型的棉花分割交并比达到92.79%，像素准确率达到96.22%，精确率为96.30%，与原始U-Net、PSPNet和DeepLabv3相比，像素准确率分别提高了9.85、17.67、6.31个百分点。通过RCH-UNet提取棉花像素比和灰度共生矩阵提取纹理特征，结合岭回归分析构建多因素棉花产量预测模型，模型的R2为0.92，预测产量与实际产量平均绝对百分比误差为9.254%。研究结果可为新疆密植棉花产量预测提供技术支持。