基于深度多模态表型分析与传感器融合的采前棉花品质评估及农业经济决策支持

《Sensors》:Deep Multimodal Phenotyping and Sensor Fusion for Preharvest Cotton Quality Assessment and Agricultural Economic Decision Support

【字体: 大 中 小 】 时间:2026年07月16日 来源:Sensors 4.0

编辑推荐:

   摘要

  

摘要

棉纤维的质量在棉铃发育、开铃、吐絮以及采收过程中逐渐形成,但目前的质量评估仍主要依赖于人工田间检测和采收后的实验室测试。这限制了及时安排采收时间以及针对不同地块进行质量管控。为解决这一问题,我们提出了一种自监督多模态感知框架,用于关联采收前的棉铃状态、环境条件以及采收后的纤维质量。首先,棉铃视觉表型自监督编码模块通过重建被遮盖的图像块来学习与成熟度相关的视觉特征,从而能够从无标签的田间图像中捕捉到棉铃开裂、绒毛暴露以及表面纹理等信息。其次,农业传感器时间掩码建模模块通过重建被遮盖的传感器观测数据,来分析温度、湿度、光照、土壤湿度、降雨量等环境变量的时间变化规律。第三,视觉-环境跨模态对比融合模块将图像特征与环境特征相结合,生成可用于后续预测的联合特征表示。实验中使用了不同成熟度及异常状态的棉铃图像、环境传感器数据、管理信息以及采收后的纤维质量检测数据。该框架在棉花成熟度分类、最佳采收期识别以及纤维质量预测方面进行了测试。结果表明,所提出的方法在性能上始终优于传统的机器学习方法、单模态深度学习方法以及多模态融合方法,而少样本实验和消融实验也证明了自监督预训练以及多模态融合方法的有效性。这些研究结果表明,所提出的方法可为采收前的棉花成熟度评估以及采收质量管控提供有用的参考信息。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号