{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,8,10]]，“日期-时间”：“2024-08-10T04:36:37Z”，“时间戳”：1723264597495}，“引用-计数”：29，“发布者”：“MDPI AG”，“问题”：“14”，“许可证”：[{“开始”：{-date-parts“：[[2021,7,9]]，”日期-时间“：”2021-07-09T00:00:00Z“，”时间戳“：1625788800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“funder”：[{“DOI”：“10.13039\/100008123”，“name”：“农业和园艺发展委员会”，“DOI-asserted-by”：“publisher”，“award”：[“11140054”]，“id”：[}“id”:“10.13029\/1000008123”，“id-type”：“DOI“，”由“：”publisher“}]}]，”content-domain“断言：{“domain”：[]，“crossmark-restriction”：false}，“short-container-title”：[“Remote Sensing”]，“abstract”：“在马铃薯（Solanum tuberosum）生产中，收获的块茎数量及其大小与植物种群有关。因此，植物密度空间变化的野外地图可以为空间可变收获时间提供决策支持工具，通过允许人口密集的管理区有更多的块茎膨大时间来优化块茎大小。计算机视觉已被提议使用无人机（UAV）的图像来枚举植物数量，但在合并冠层的图像中进行不准确的预测仍然是一个挑战。已经对单个马铃薯植株边界盒预测进行了一些研究，但目前还没有关于这些模型可能揭示的植株密度空间结构及其与马铃薯产量质量属性的关系的信息。在这项研究中，基于更快区域的卷积神经网络（FRCNN）框架被用于生成植物检测模型，并估计无人机正镶嵌图上的植物密度。利用种植后40天从马铃薯上采集的2mm地面采样距离（GSD）的航空图像，对FRCNN模型进行训练，根据未发现的测试数据，平均精度（aP）为0.78。然后使用该模型对羽化后14天和18天捕获的正射光栅上施加的象限进行预测。在对植物密度进行空间插值后，生成的曲面与手动确定的植物密度高度相关（R2=0.80）。此外，还观察到与块茎数（巴特山的r=0.54；马狐洞的r=0.53）、每株可销售块茎重量（巴特里山的r=\u22120.57；马狐洞的r=\f22120.56）和归一化差异植被指数（r=0.61）的进一步相关。这些结果表明，尽管FRCNN模型在部分合并树冠中的准确性有所下降，但可以从与重要产量组成部分高度相关的无人机图像中构建准确的植物密度二维图<\/jats:p>“，”DOI“：”10.3390\/rs13142705“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,7,9]]，”date-time“：”2021-07-09T14:50:38Z“，”timestamp“：1625842238000}，”page“：“2705”，“source”：“Crossref”，“is-referenced-by-count”：23，“title”：[“利用航空影像和深度学习技术为精准农业绘制马铃薯植株密度变化图”]，“prefix”：“10.3390”，“volume”：“13”，“author”：[{“给定”：“Joseph K.”，“family”：“Mhango”，“sequence”：“first”，“affiliation”：[}“name”：“Crops and Environment Research Centre，Harper Adams University，Edgmond，Shropshire TF10 8NB，UK”}]}，{“given”：：“Harper Adams大学作物与环境研究中心，Edgmond，Shropshire TF10 8NB，UK”}]}，{“given”：“Richard”，“family”：“Green”，“sequence”：“additional”，“affiliation”：[{“name”：“Crops and Environment Research Centre，Harper Adam University，Edgmont，Shropshire TF10 9NB，英国”}]{，“ORCID”：”http://\/ORCID.org\/00000-0003-1784-4907“，“authenticated-orcid”：false，“given”：“James M”，“family”：“Monaghan”，“sequence”：“additional”，“affiliation”：[{“name”：“Harper Adams University，Edgmond，Shropshire TF10 8NB，UK”}]]，“member”：“1968”，“published-online”：{“date-parts”：[2021,7,9]}，“reference”：[}“key”：”ref_1“，“doi-assertd-by”：“crossref”，“非结构化”：“Allen，E.J.和Wurr，D.C.E.（1992）。植物密度。马铃薯作物，Springer。”，“DOI”：“10.1007\/978-94-011-2340-2_7”}，{“key”：“ref_2”，“DOI-asserted-by”：“crossref”，“非结构”：“Arsenault，W.J.，LeBlanc，D.A.，Tai，G.C.C.，and Boswall，P.（2001）施氮量和苗间距对八个马铃薯品种产量和块茎大小分布的影响。Am.J.Potato Res.“，”DOI“：”10.1007“/BF02875695“}，{”key“：”ref_3“，”DOI-asserted-by“：”crossref“，“unstructured”：“Knowles，N.R.，and Knowle，L.O.（2006）。操纵北方和南方马铃薯种子批的茎数、块茎数和产量关系。作物科学”，“DOI”：“10.2135”cropsci2005.05-0078“}”，{“key”：“ref_4”，“DOI-assert-by”：“”crossref”，“非结构化”：“Love，S.L.和Thompson-Johns，A.（1999）。种块间距影响三个加工马铃薯品种的产量、块茎大小分布、茎和块茎密度以及净收益。霍特科学。“，”DOI“：”10.21273\/HORTSCI.34.4.629“}，{”key“：”ref_5“，”DOI-asserted-by“：”crossref“，”first page“：“470”，“DOI”：“10.1007\/s12230-011-9213-4”，“article-title”：“马铃薯种子粒径、间距和播种率对产量、质量和经济回报的影响”，“volume”：“88”，“author”：“Bohl”，”year“：”2011“，”journal-title“：”Am.J.Potato Res.“}，{”键“：”参考_6“，”doi-asserted-by“：”crossref“，”first page“：”658“，”doi“：”10.1007\/s12230-017-9604-2“，“article-title”：“基于高分辨率航空成像的马铃薯作物出苗估算”，“volume”：“94”，“author”：“Sankaran”，“year”：“2017”，“journal-title“：”Am.J.Potato Res.“}，{“key”：Gates，D.M.、Keegan，H.J.、Schleter，J.C.和Weidner，V.R.（1965）。植物光谱特性。申请。选择。“，”DOI“：”10.1364\/AO.4.00011“}，{”key“：”ref_8“，”DOI-asserted-by“：”crossref“，”first page“：“6401”，“DOI”：“10.1109\/JSTARS.2020.3034193”，“article-title”：“使用UAV RGB图像确定叶面积指数和咖啡作物覆盖面积百分比”，“volume”：“13”，“author”：“Diotto”，“year”：“2020”，“journal-title“：”IEEE J.Sel.Top Appl。地球天体。遥感“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”first page“：“69”，”doi“：”10.1186\/s13007-020-00613-5“，”article-title“：”使用陆地激光雷达对田间玉米生物量的非破坏性估计：从地块水平到单叶水平的评估“，”volume“：16”，“author”：“Jin”，“year”：“2020”，“journal-title”：“Plant Methods”}，”{“key”：“”ref_10“，”doi-asserted-by“：”crossref“，”unstructured“：”Franceschini，M.H.D.，Bartholomeus，H.，van Apeldoorn，D.F.，Suomalainen，J.，and Kooistra，L.（2019）。无人机光学成像用于马铃薯晚疫病早期检测和严重程度评估的可行性。遥感，11.“，”DOI“：”10.3390\/rs11030224“}，{“key”：“ref_11”，“DOI-asserted-by”：“crossref”，“first page”：”1603“，“DOI”：“10.1111\/tpj.14799”，“article-title”：“使用基于RGB无人机图像的机器学习自动计算小麦穗数”，“volume”：《103》，“author”：“Lootens”，“year”：“2020”，“journal-title“：”Plant J.“}”，{”key“ref_12”“，”DOI-asserted-by“：”crossref“，”first page“：”1362“，”DOI“：”10.3389\/fpls.2018.01362“、”article-title“：”基于无人驾驶飞行器图像的油菜苗木两个早期生长阶段的计数和播种性能评估“，”volume“：“9”，”author“：”Zhao“，”year“：”2018“，”journal-title:“Front。植物科学。“｝，｛”key“：”ref_13“，”doi asserted by“：”crossref“，”首页“：”15“，”doi“：”10.1186\\s13007-019-0399-7“，”文章标题“：”无人机RGB图像对马铃薯作物出苗的估计“，”卷“：”15“，”作者“：”Li“，”年份“：”2019“，”期刊标题“：”植物方法“｝，｛”key“：”ref_14“，”doi asserted by“：”crossref“，”非结构化“：”Machefer，M.、Lemarchand，F.、Bonnefond，V.、Hitchins，A.和Sidiropoulos，P.（2020年）。无人机图像中植物计数和大小的掩模R-CNN重装策略。遥感，12.“，”DOI“：”10.3390\/rs12183015“}，{“key”：“ref_15”，“DOI-asserted-by”：“crossref”，“首页”：“468”，“DOI”：“10.1016\/j.aasri.2012.11.074”，“article-title”：“一种改进的基于中值的Otsu图像阈值算法”，“volume”：“key”：“ref_16”，“非结构化”：“美国布雷菲尔德（2019）。CentroidNet：用于联合对象定位和计数的深度神经网络。数据库中的机器学习和知识发现，Springer。ECML PKDD 2018。计算机科学课堂讲稿。“}，{”key“：”ref_17“，”doi-asserted-by“：”crossref“，”first page“：“387”，”doi“：”10.1111\/j.1744-7348.1991.tb04879.x“，”article-title“：”马铃薯（马铃薯）发育阶段的关键“，”volume“：asserted-by“：”crossref“，”首页“：”441“，”DOI“：”10.1007\/BF02872222“，”article-title“：”种植深度和耕作方式对总产量、美国第一和田间绿化块茎产量的影响“，”volume“：”82“，”author“：”Bohl“，”year“：”2005“，”journal-title”：“Am.J.Potato Res.”}，{“key”：“ref_19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Taylor，J.A.、Chen，H.、Smallwood，M.和Marshall，B.（2018年）。对英国马铃薯系统生产质量和数量空间管理机会的调查。Field Crop Res.“，“DOI”：“10.1016\/j.fcr.2018.10.002”}，{“key”：“ref_20”，“unstructured”：“MATLAB（2020）9.8.0版（R2020 a），The MathWorks Inc.。在线获取：https:\/\/www.MathWorks.com\/products\/get-MATLAB.html.”}、{“密钥”：“ref_21”、“DOI-asserted-by”：“crossref”，“非结构化”：“Deng，J.、Dong，W.、Socher，R.、Li，L.-J.、Li.，K.和Li，F.-F.（2009年1月20日\u201325）。ImageNet：大型分层图像数据库。2009年IEEE计算机视觉和模式识别会议论文集，美国佛罗里达州迈阿密”，“DOI”：“10.1109\/CVPR.2009.5206848”}，{“key”：“ref_22”，“unstructured”：“Simonyan，K.和Zisserman，A.（2015年1月7日\u20139）。用于大规模图像识别的深度卷积网络。第三届学习表征国际会议论文集，ICLR 2015\u2014年会议跟踪论文集，美国加利福尼亚州圣地亚哥。神经信息处理。系统。“}，{”key“：”ref_24“，”unstructured“：”（2020年7月13日）。Pix4dmapper Pro。在线提供：https:\/\/pix4d.com/product\/pix4-dmapper\/ref_26“，”doi-asserted-by“：”crossref“，”first page“：”295“，”doi“：”10.1016\/0034-4257（88）90106-X“，”article-title“：”土壤调节植被指数（SAVI）“，”volume“：“25”，“author”：“Huete”，“year”：“1988”，“journal-title”：“Remote Sens.Environ。“}，{”key“：”ref_27“，”doi-asserted-by“：”crossref“，”unstructured“：”Bussan，A.J.，Mitchell，P.D.，Copas，M.E.，and Drilias，M.J.（2007）。密度对马铃薯产量和块茎大小分布的影响评估。《作物科学》，”doi“：”10.2135\/cropsci2007.01.0026“}”，{10.1093\/oxfordjournals.aob.a088084“，”article-title“：“基于光截获和叶面积扩展的作物生长数学函数”，“volume”：“66”，“author”：“Goudriaan”，“year”：“1990”，“journal-title”：“Ann.Bot.”}，{“key”：”ref_29“，”doi-asserted-by“：”crossref“，”unstructured“：”Haverkort，A.J.，and MacKerron，D.K.L.（1995）《限制生长条件下作物的马铃薯生态学和建模》，Springer。“，”DOI“：”10.1007\/978-94-011-0051-9“}]，”container-title“：[”遥感“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/2072-4292\/13\/14\/2705\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”deposed“：{”date-parts“：[[2024,7,15]]，”日期时间“：”2024-07-15T06:03:18Z“，”timestamp“：1721023398000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\\/www.mdpi.com\/2072-4292\/13\/14\/2705”}}，“subtitle”：[]，“shorttitle”：[]，“issued”:{“date-parts”：[2021,7,9]}，‘references-count’：29，‘journal-issue’：{‘issue’：“14”，“published-online”：{“date-parts”：[[2021,7]]}}，“alternative-id”：[“rs13142705”]，“URL”：“http:\/\/dx.doi.org\/10.3390\/rs13142705“，”关系“：{}，”ISSN“：[”2072-4292“]，”ISSN-type“：[{”值“：”2072~4292“，”类型“：”电子“}]，”主题“：[]，”发布“：{”日期部分“：[2021,7,9]}}}}