基于CNN-BiLSTM的棉花产量预测方法.pdfVIP

第 37 卷 第 17 期 农 业 工 程 学 报 Vol.37 No.17 152 2021 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sept. 2021 基于 CNN-BiLSTM 的棉花产量预测方法 戴建国，蒋 楠，薛金利，张国顺，何相良 （1. 石河子大学信息科学与技术学院，石河子 832003 ；2. 兵团空间信息工程技术研究中心，石河子 832003 ） 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，BiLSTM ） 的混合模型（CNN-BiLSTM ）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 BiLSTM 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BiLSTM 深度分别为 14 和 1 的CNN14-BiLSTM 模型准确率最高， 对比单一结构的BiLSTM 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。 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 doi ：10.11975/j.issn.1002-6819.2021.17.017 中图分类号：S562; TP79 文献标志码：A 文章编号：1002-6819(2021)-17-0152-08 戴建国，蒋楠，薛金利，等. 基于CNN-BiLSTM 的棉花产量预测方法[J]. 农业工程学报，2021，37(17)：152-159. doi ：10.11975/j.issn.1002-6819.2021.17.017 Dai Jianguo, Jiang Nan, Xue Jinli, et al. Method for predicting cotton yield based on CNN-BiLSTM[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(17): 152-159. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2021.17.017 Index ，EVI ），决定系数达到0.70 ，但作物产量是一个有 0 引 言 