基于BP神经网络和概率神经网络的水稻图像氮素营养诊断

文献类型： 中文期刊

第一作者： 周琼

作者： 周琼;杨红云;杨珺;孙玉婷;孙爱珍;杨文姬

作者机构：

关键词： 水稻;氮素营养诊断;图像处理;BP神经网络;概率神经网络

期刊名称： 植物营养与肥料学报

ISSN： 1008-505X

年卷期： 2019 年 01 期

页码： 134-141

收录情况： 北大核心 ; CSCD

摘要： 【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm~2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。

分类号： S511`S126

  • 相关文献

[1]猕猴桃自动分级设备设计与试验. 左兴健,武广伟. 2014

[2]基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究. 李波,刘占宇,武洪峰,徐新刚,孙安利,黄敬峰. 2009

[3]基于高光谱和参数优化支持向量机的水稻施氮水平分类研究. 罗建军,杨红云,路艳,万颖,孙爱珍,易文龙. 2020

[4]基于无人机高光谱的水稻叶片氮含量估测方法. 张黎黎,吕霞. 2021

[5]基于图像特征的水稻叶片全氮含量估测模型研究. 杨红云,罗建军,孙爱珍,万颖,易文龙. 2020

[6]基于OLI影像的四川丘陵地区水稻种植面积监测. 蒋怡,李宗南,李丹丹,任国业,李章成. 2018

[7]基于图像的水稻病害识别方法研究. 管泽鑫,唐健,杨保军,周营烽,范德耀,姚青. 2010

[8]基于图像处理的水稻剑叶夹角测量. 李家超,罗斌,周亚男,黄硕,侯佩臣. 2024

[9]面向水稻杂草识别的高精度图像分类算法. 杨淑婷,李季,刘正予,马聪,王蓉. 2025

[10]不同施氮水平下黄瓜叶片SPAD值与硝态氮含量及硝酸还原酶活性的关系. 张延丽,田吉林,翟丙年,诸海涛. 2009

[11]基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究. 陈鹏飞,梁飞. 2019

[12]基于高光谱的水稻叶片氮素营养诊断研究. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华. 2019

[13]快速获取技术在小麦推荐施肥中的应用. 郭建华,王秀,陈立平,王钟杨. 2010

[14]新疆塔额盆地滴灌甜菜临界氮浓度模型的构建与检验. 白如霄,崔瑜,和海秀,罗静静,徐巧. 2023

[15]新疆塔额盆地滴灌冬小麦氮营养诊断研究. 徐向阳,白如霄,艾海峰,范守杰,李怀胜,王贺亚,孟玲,刘燕. 2023

[16]基于可见光光谱扫描的春玉米氮素营养诊断. 隽英华,汪仁,邢月华,宫亮. 2012

[17]杂交水稻氮钾素吸收积累特性及氮素营养诊断. 姜照伟,李小萍,赵雅静,李义珍. 2011

[18]应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测. 白金顺,曹卫东,熊静,曾闹华,志水胜好,芮玉奎. 2013

[19]木薯氮素营养状况的SPAD仪诊断. 柳红娟,欧燕楠,刘子凡,黄洁. 2012

[20]基于叶绿素仪诊断的马铃薯氮肥管理. 樊明寿,聂向荣,李秀华,李立,秦永林,刘艳春,陈俊辉,井涛,陈杨,贾立国,郑红丽,张子义,李斐女. 2014

作者其他论文 更多>>

微信小程序