来源：期刊VIP网 时间：
作者：杨琳琳;刘瑞;别书凡;李文峰;施杰;
单位：云南农业大学机电工程学院;云南省作物智慧生产国际联合实验室;
摘要：本研究针对叶片表型采集费时费力、单一源图像检测泛化性能不足等问题，提出了一种基于深度学习的RGB图像与多光谱图像数据融合的玉米叶片表型(鲜重、叶绿素含量、叶面积、叶宽)检测算法。采集5—7叶期的玉米叶片RGB图像及多光谱图像，分别采用语义分割与GrabCut算法对RGB与多光谱图像进行分割，使用多通道输入的方法将两种图像输入到MobileNetV2网络进行训练和估测。结果表明，基于RGB图像与多光谱图像数据融合的玉米叶片表型检测效果优于使用单一源数据集的，对玉米叶片4种表型性状检测的平均绝对误差分别为0.161 9、0.110 1、0.166 3、0.144 2,单个样本耗时均低于10 ms,达到预期。表明本研究提出的基于多源数据融合的玉米叶片表型检测算法性能优异，在玉米早期生长监测和产量预估方面有重要的应用前景。
关键词：RGB图像;;多光谱图像;;多源数据融合;;玉米叶片表型;;图像处理;;多通道输入
基金资助：国家自然科学基金项目(32160420);; 云南省重大科技专项(202202AE09002103);; 云南省农林联合专项(202301BD070001-172)
