首页|深度学习方法在水稻氮素营养诊断中的应用初探

深度学习方法在水稻氮素营养诊断中的应用初探

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为解决传统水稻氮素营养诊断方法需要采集水稻植株叶片,损伤水稻植株,需到指定实验室测定,耗时费力,手持叶绿素仪不稳定、误差大等问题,对使用深度学习方法开展水稻氮素营养诊断开展了初步探索.简介了深度学习模型的建立和训练,对模型识别效果的验证.参与模型训练的水稻样本图片共10173张,通过调整训练参数,得到多个模型,保留准确率达到80％以上的模型9个,其中返青期3个、分蘖期3个、拔节孕穗期2个、灌浆期1个;对精度最高的返青期模型开展了模型识别效果验证.初步结果显示,使用深度学习方法开展水稻氮素营养诊断有效可行.

姚强、粟超、李波、易婧、敬廷桃、吕斌

展开 >

重庆市农业科学院,重庆401239

深度学习 数字图像 水稻叶片 氮 营养诊断

重庆市农业发展资金项目

NKY-2021AB009

2021

10.19415/j.cnki.1673-890x.2021.31.029

南方农业
重庆市农业科学院

南方农业

影响因子：0.596
ISSN：1673-890X
年,卷(期)：2021.15(31)
  • 4
  • 12