当前位置: 首页 > 文章 > 基于CNN-BiLSTM的棉花产量预测方法 农业工程学报 2021 (17) 152-159
Position: Home > Articles > 基于CNN-BiLSTM的棉花产量预测方法 Transactions of the Chinese Society of Agricultural Engineering 2021 (17) 152-159

基于CNN-BiLSTM的棉花产量预测方法

作  者:
戴建国;蒋楠;薛金利;张国顺;何相良
单  位:
石河子大学信息科学与技术学院  
关键词:
无人机;棉花;产量;可见光;卷积神经网络;双向长短期记忆网络;
摘  要:
针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络(Convolutional Neural Network,CNN)和双向长短期记忆(Bidirectional Long Short-Term Memory,Bi LSTM)的混合模型(CNN-Bi LSTM)进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和Bi LSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和Bi LSTM深度分别为14和1的CNN14-Bi LSTM模型准确率最高,对比单一结构的Bi LSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。

相似文章

计量
文章访问数: 16
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊