基于RGB图像和CNN模型的水稻氮素诊断系统

文献类型： 中文期刊

第一作者： 吕斌

作者： 吕斌;姚强;粟超;李波;查茜;黄祥;詹火木

作者机构：

关键词： 水稻;氮素营养;诊断系统;深度学习;图像识别;无人机

期刊名称： 现代农业装备

ISSN： 1673-2154

年卷期： 2024 年 45 卷 004 期

页码： 67-73

摘要： 氮素营养诊断是水稻栽培取得优质高产的关键技术之一。为了能达到利用无人机或智能手机采集水稻冠层图像即可快速获得水稻氮素营养状况和施肥建议处方的研究目的，于2021-2022年在紫色水稻田开展7水平氮素施肥试验，获取不同氮素含量水稻冠层无人机RGB图像，通过深度学习方法获得卷积神经网络(CNN)优化模型，构建基于安卓智能手机的水稻氮素营养诊断系统。结果表明，不同施氮水平对水稻叶片氮素含量的影响，表现在返青期和分蘖期的差异更加明显，共获得10 173张RGB冠层图像。通过调整CNN训练参数batch＿size、epoch、learning＿rate及图像缩放比例，获得准确率超过80%以上的模型9个，开发完成1套基于Android智能手机的APP客户端程序，实现了深度学习模型由Python环境到Android系统的迁移。研究证明，应用无人机或智能手机采集水稻各生长期冠层RGB图像数据，采用深度学习CNN模型构建的基于Android智能手机的水稻氮营养诊断系统，技术方法可行，能够作为水稻生育期氮素营养快速诊断的工具。

分类号： S511%TP183%TP391.41

  • 相关文献

[1]基于文献计量分析我国无人机氮素营养诊断研究现状. 宋丽娟,叶万军,关宪任,苏戈,王美璇,郑妍妍. 2019

[2]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[3]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[4]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[5]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[6]基于Faster R-CNN的美国白蛾图像识别模型研究. 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚. 2020

[7]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[8]采用组合增强的YOLOX-ViT协同识别温室内番茄花果. 吕志远,张付杰,魏晓明,黄媛,李晶晶,张钟莉莉. 2023

[9]基于图像处理和Deeplabv3+模型的小麦赤霉病识别. 戴雨舒,仲晓春,孙成明,杨俊,刘涛,刘升平. 2021

[10]农业害虫自动识别与监测技术. 封洪强,姚青. 2018

[11]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[12]基于AI的桃树病害智能识别方法研究与应用. 吴建伟,黄杰,熊晓菲,高晗,秦向阳. 2022

[13]基于改进Res Net50模型的大宗淡水鱼种类识别方法. 万鹏,赵竣威,朱明,谭鹤群,邓志勇,黄毓毅,吴文锦,丁安子. 2021

[14]农作物害虫图像识别研究进展与展望. 张萌,钱蓉,朱静波,张立平,李闰枚,董伟. 2018

[15]基于群体图像识别的生菜鲜重估算方法研究. 徐丹,李硕果,陈晶晶,崔庭源,张义,马浚诚. 2024

[16]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[17]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[18]利用无人机影像数据进行油菜长势监测. 张瑞杰,李俐俐,李礼,姚剑,乔江伟. 2021

[19]一种新型的无人机牧草分割网络—LMS-DeeplabV3+. 占子恬,潘新,罗小玲,郜晓晶,闫伟红. 2024

[20]卷积神经网络及其在田间杂草管理中应用的研究进展. 张金梦,张倩,王明,谭雅蓉,陶震宇,于金莹. 2024

作者其他论文 更多>>

微信小程序