基于神经架构搜索的灌浆期水稻稻穗分割及特征分析

灌浆期是水稻的重要生育期之一,为精准分割灌浆期水稻稻穗,探究稻穗特征与水稻长势之间的关系,提出了一种基于神经架构搜索的灌浆期水稻稻穗分割及特征分析方法。以DeepLabV3Plus网络模型为基础框架,基于神经架构搜索算法自动设计主干网络,修改空洞空间卷积池化金字塔（ASPP）,搭建语义分割网络Rice-DeepLab。通过田间摄像头采集4种水稻的灌浆期图像并经Rice-DeepLab分割后,计算稻穗面积占比、离散程度、图像平均曲率和颜色特征等参数并分析。实验结果显示：改进后的语义分割网络Rice-DeepLab的平均交并比（mIoU）为85.74%,准确率（Acc）为92.61%,与原网络模型相比mIoU、Acc分别提高了6.5%、2.97%;由图像的稻穗面积占比、离散程度、图像平均曲率、颜色特征可大致判别稻穗稀疏或稠密,稻穗是否饱满,色泽青绿、金黄或灰白等长势。本研究表明,可以利用田间摄像头便捷地开展灌浆期水稻监测工作,通过稻穗分割及其特征分析初步判断水稻的长势,为田间管理提供支持。