花蕾期是棉花生长管理的重要时期,在此期间对生长参数进行快速无损监测是实现棉田精细化管理的关键。 本文结合无人机遥感平台和深度学习技术,使用卷积神经网络( convolutional neural net-works,CNN) ,通过无人机采 集可见光影像并对影像进行裁剪切分,以切片后的 RGB 图像为输入,分别构建基于 AlexNet、VGGNet、GoogleNet 3 种网络框架的卷积神经网络模型,实现了棉花花蕾期各项生长参数监测。结果表明: AlexNet 模型在株高和地上生 物量方面表现最好,株高的 R2 为 0. 854 52,RMSE 为 3. 127 9 cm,MAPE 为 3. 402%,地上生物量的 R2 为 0. 951 17, RMSE 为 38. 903 53 g /m2 ,MAPE 为 6. 288%; GoogLeNet 模型在叶面积指数监测方面性能最优,其 R2 为 0. 970 61, RMSE 为 0. 086 44,MAPE 为 4. 391%。此外,从不同时期来看,3 种生长参数在花期的监测性能均高于蕾期。本文 研究结果表明使用无人机对大面积棉田在关键生育期进行生长参数监测是可行的,本文的研究结果能够为类似的 研究提供借鉴和参考。