作者亲自修改的关于水稻检测的论文是如何进行的？

本文共计1950个文字，预计阅读时间需要8分钟。

计算机视觉研究中心+作者：Edison_G+之前我们已经推送过该论文，但原文作者发现多处问题，今天我们重新创新，重新修改后发布！感谢大家的直接支持与关注！+一、简要+在本研究中，我们对计算机视觉领域进行了简要探讨。

计算机视觉研究院专栏

作者：Edison_G

之前我们已经推送过该干货，但是原文作者发现多处问题，今天我们尊重原创，重新修改后发布！感谢大家一直的支持与关注！

​

一、简要

在本研究中，研究者提出了一种有效的深度卷积神经网络(DCNN)结构，利用手持照相机拍摄的照片来检测水稻的生长阶段(DVS)。用不同的策略对DCNN模型进行了训练，并与传统的时间序列Green chromatic coordinate (time-series Gcc)方法和手工提取的特征组合支持向量机(MF-SVM)方法进行了比较。此外，还研究了不同角度的图像、模型训练策略和对DCNN模型预测的解释。利用所提出的两步微调策略训练的DCNN模型得到了最优结果，整体精度为0.913，平均绝对误差为0.090。

结果表明，以大角度拍摄的图像包含更有价值的信息，使用多角度拍摄的图像可以进一步提高模型的性能。两步微调策略极大地提高了模型对视角随机性的鲁棒性。解释结果表明，从图像中提取物候学相关特征是可能的。本研究提供了一种物候学检测方法来实时利用手持照相机图像，并对在现实场景中使用深度学习有了一些重要的见解。

二、背景

本研究的假设是，作物表型的特征可以通过分析图像被机器学习捕捉到，而传统上可以通过观察被农业专家识别。然而，对作物物候学检测的深度学习研究仍然非常有限。