实践团用无人机采集小麦生长信息

近期，四川农业大学信息工程学院学子利用暑期时间深入田间地头开展了以强农兴农为主题的社会实践活动。实践团以小麦为实验对象，采用麦穗智能计数和结合遥感图像分析的随机抽样方法，监测小麦生长情况及虫害情况，致力于提高小麦产量，为提升农业生产科技化水平贡献了一份力量。

实践团到雅安市小麦种植基地，利用无人机进行低空及高空的信息采集，低空采集主要收集农田细节纹理信息，高空采集主要收集图像宏观信息。学生们利用语义分割算法精准在高空图像上分割出农作物和异常空缺，而利用低空图像则进一步分析作物的细节信息。随后，大家利用目标检测算法检测单位面积麦穗赤霉病情况和麦穗个数，最终输入模型计算作物产量，从而实现预测小麦产量的最终目的。

活动中，实践团通过实地调研获取了实时数据，对小麦种植品种、产量、规模有所了解。同时，团队成员在与当地农民的交流中了解到很多关于小麦种植以及虫害管理的细节。随后，实践团成员对网络平台检测系统进行了开发，该系统采用SPNet算法解决小麦农田空缺的检测问题。在主干网络层，为防止因为直连通道上Relu函数引起的数据损失，模型消除了直连通道上的ReLu操作，将信号传输分为三个阶段使卷积归一化以不同顺序执行，保证信号的整体归一化和激活。在编码层，基于大多数麦田裂缝和空缺的细、长和窄的特点，模型采用了沿空间维度捕捉孤立区域的长距离分布，这样的池化层可以对分布在水平和垂直方向的远程信息构建远程依赖，引入了注意力机制，将麦田有效特征提取，以实现更好的语义分割效果。

实践团成员利用科学技术高效、客观地在大尺度上对作物病虫害发生发展状况进行动态监测，对于病虫害及时、高效和科学防控具有重要意义。实践团通过人工智能算法，处理无人机实时上传的图像，从而得出小麦的预估产量，同时低空监测识别出当前的小麦生长状况，记录病虫害情况，上传至云端。小麦检测系统同时提供给相应的网站平台使用，用户可以实时观看小麦的监测图像与结果，大大节省了人力，加快了生产效率，实现“兴农报国”的目标。“这次实践不但让我了解了书本以外的知识，更让我感到我为乡村振兴尽了一丝绵薄之力，这令大家都非常激动。”实践团成员在讨论会中如是说。

新闻链接：http://kjb.sckjw.com.cn/5997e8944a7a4e519008856866363161