关键词：玉米农田监测 生长阶段识别 卷积神经网络 深度局部关联 

摘要：为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力。基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的玉米农田监测系统。系统由玉米农田监测装置和云端服务器组成,监测装置采集玉米图像、气象要素和田间位置数据,通过4G无线发送给云端服务器,云端服务器利用深度局部关联神经网络识别生长阶段,显示结果并存入数据库中。仿真试验表明,深度局部关联神经网络平均识别准确率达到92.53%,较VGGNet的87.21%和LSTM的88.50%,准确率分别提高了5.32%和4.03%。实地测试结果表明,野外环境下系统准确率可达到91.43%,能够稳定地对农田玉米生长情况进行监测,具有重要的应用价值。

气象科技杂志要求:

{1}作者基本信息：姓名、工作单位、职务、职称、学位。

{2}凡不同意编辑修改稿件者，请在来稿中注明。

{3}标题：一般单独占行，居左；段首小标题，前空两格，后空一格。

{4}凡是引用他人文献、资料，必须加引证注释，以页末脚注形式按页编排。在正文加注释处右上角以加圈阿拉伯数字标记，脚注编号位于相应标点之外。

{5}正文前应有200字左右中文摘要（说明文章的主要内容、研究目的、采用方法和主要结论等）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社