文献

J-GLOBAL ID：201902254233839147   整理番号：19A0860865

UAVベースのリモートセンシング画像を用いた成熟段階におけるイネ穀粒収量推定のための深部畳込みニューラルネットワーク【JST・京大機械翻訳】

Deep convolutional neural networks for rice grain yield estimation at the ripening stage using UAV-based remotely sensed images

著者 (5件)： Yang Qi (State Key Laboratory of Water Resources and Hydropower Engineering Sciences, Wuhan University, Wuhan, Hubei 430072, China) ,  Shi Liangsheng (State Key Laboratory of Water Resources and Hydropower Engineering Sciences, Wuhan University, Wuhan, Hubei 430072, China) ,  Han Jinye (State Key Laboratory of Water Resources and Hydropower Engineering Sciences, Wuhan University, Wuhan, Hubei 430072, China) ,  Zha Yuanyuan (State Key Laboratory of Water Resources and Hydropower Engineering Sciences, Wuhan University, Wuhan, Hubei 430072, China) ,  Zhu Penghui (State Key Laboratory of Water Resources and Hydropower Engineering Sciences, Wuhan University, Wuhan, Hubei 430072, China)
資料名： Field Crops Research  (Field Crops Research)
巻： 235  ページ： 142-153  発行年： 2019年 
JST資料番号： W1910A  ISSN： 0378-4290  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 収穫前のイネ穀粒収量の予測は作物管理,食品安全性評価,食品貿易,および政策決定に必須である。多重スペクトル画像からの植生指数(VI)のようなリモートセンシング製品を用いた作物収量推定において多くの成功した応用がなされている。しかし,VIに基づくアプローチは成長の中期段階でのイネ穀粒収量の推定にのみ適しているが,成熟段階では限られた能力しか持たない。本研究では,効率的な畳込みニューラルネットワーク(CNN)アーキテクチャを提案し,低高度リモートセンシング画像からの米粒収量に関連する重要な特徴を学習した。中国南部のイネ栽培のための1つの主要な地域において,800以上の管理ユニットによる160ヘクタールのサイトは,イネ穀物収量推定におけるCNNの能力を調査するために選んだ。RGBとマルチスペクトル画像のデータセットを固定翼,無人航空機(UAV)によって得て,それをデジタルカメラとマルチスペクトルセンサを搭載した。ネットワークを異なるデータセットで訓練し,従来の植生指標ベースの方法と比較した。さらに,訓練されたネットワークの時間的および空間的普遍性を調査した。結果は,RGBとマルチスペクトルデータセットによって訓練されたCNNsが,成熟段階におけるイネ穀粒収量推定のために,VISベースの回帰モデルよりはるかに良く機能することを示した。非常に高い空間分解能のRGB画像は,深いCNNによって学習できる穀物収量分布に関して重要な空間的特徴を含んでいる。この結果は,優れた空間的および時間的普遍性を有するイネ穀粒収量推定のための深い畳込みニューラルネットワークの有望な可能性および収量予測のより広い時間窓を強調した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *リモートセンシング ,  栽培 ,  作物収量 ,  栽培管理 ,  農作物 ,  *ネットワーク ,  中国南部 ,  無人機 ,  回帰モデル ,  センサ ,  普遍性
準シソーラス用語： 多重スペクトル ,  ディジタルカメラ ,  *畳込みニューラルネットワーク ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 歩留り推定 ,  UAV ,  イネ作物 ,  深層学習 ,  CNN

分類 (1件)： 稲作  (FC03020C)

タイトルに関連する用語 (10件)： UAV ,  リモートセンシング画像 ,  成熟 ,  段階 ,  イネ ,  穀粒 ,  収量 ,  推定 ,  深部 ,  畳込みニューラルネットワーク