文献类型： 中文期刊

作者： 葛世龙 ¹ ; 吕芯悦 ² ; 曲明山 ³ ; 李婷 ³ ; 赵小平 ⁴ ; 晁慧娟 ⁴ ; 史凯丽 ² ; 李莉 ¹ ;

作者机构： 1.中国农业大学信息与电气工程学院

2.北京市农林科学院智能装备技术研究中心

3.北京市农业技术推广站

4.北京市昌平职业学校

关键词： 草莓;叶片缺氮;卷积神经网络;深度学习;可见光;图像识别;特征表示;激活函数

期刊名称： 蔬菜

ISSN： 1001-8336

年卷期： 2025 年 008 期

页码： 23-30

摘要： 氮是草莓生长的关键营养元素之一，草莓缺氮导致的生长受阻会影响草莓的产量和品质，因此需要对草莓生长过程中可能发生的缺氮症状进行精准、及时的识别。本研究利用深度学习模型，对草莓叶片图像进行特征提取与分析，构建了一个能够自动识别草莓叶片缺氮症状的卷积神经网络模型，旨在通过非接触式、高效精准的方法诊断草莓生长过程中的氮素营养状况。首先，对数据集进行整理合并和扩充，使得数据集更适合卷积神经网络的训练过程；之后，通过多次对比试验，不断改变网络结构，以确定最优数据集以及模型的最优参数；最后，将构建的模型与残差网络（ResNet）模型进行测试对比。结果表明：本模型激活函数为Swish，网络结构卷积层为2层，每层卷积核数量分别为16个和64个，卷积核大小均为3×3；本模型的效果优于ResNet模型，准确率、精确率、召回率分别提高了7.90、4.08、5.21百分点。本研究为草莓精准施肥管理提供了科学依据和技术支持，有助于提高草莓产量与品质，促进农业可持续发展。