基于二维深度回归的冬小麦早期产量预测
计算机视觉与模式识别
2021-11-17 v1 图像与视频处理
摘要
作物产量预测是精准农业的任务之一，可基于田块的多源周期性观测实现自动化。我们利用在结合雷达卫星影像与地面信息的数据上训练的卷积神经网络（CNN）来解决产量预测问题。我们提出了一种称为 Hyper3DNetReg 的 CNN 架构，其接收多通道输入图像并输出二维栅格，其中每个像素表示对应输入像素的预测产量值。我们使用从 Sentinel-1 卫星获取的雷达数据，而地面数据对应一组六个栅格特征：施氮量、降水、坡度、高程、地形位置指数（TPI）和坡向。我们使用冬小麦生长季早期（三月）收集的数据来预测收获季（八月）的产量值。我们在四块冬小麦田上进行了实验，结果表明我们提出的方法优于五种对比方法，包括多元线性回归、使用 AdaBoost 的前馈网络集成、堆叠自编码器以及另外两种 CNN 架构。
引用
@article{arxiv.2111.08069,
title = {Two-dimensional Deep Regression for Early Yield Prediction of Winter Wheat},
author = {Giorgio Morales and John W. Sheppard},
journal= {arXiv preprint arXiv:2111.08069},
year = {2021}
}
备注
Accepted to appear in the SPIE Future Sensing Technologies 2021