基于自适应特征融合的水稻氮素营养诊断

为了快速准确地对水稻进行氮素营养诊断，提出一种基于自适应特征融合的水稻氮素营养诊断方法。该方法通过对杂交稻两优培九进行田间试验，设置4组不同的氮肥梯度(施氮量分别为0、210、300、390 kg/hm²),扫描获取水稻叶片图像并进行数据预处理，构建基于自适应特征融合的水稻氮素营养诊断模型ResNet34-AFF-SE。使用构建的ResNet34-AFF-SE模型对水稻叶片进行氮素营养诊断，结果表明，在水稻生长的幼穗分化期、齐穗期，ResNet34-AFF-SE的识别准确率为97.5%、97.2%,模型大小为87.9 MB。ResNet34-AFF-SE模型在准确率和训练时间上优于AlexNet、VGG16、MobilNet v3-small等网络模型。基于自适应特征融合的水稻氮素营养诊断方法所建立的ResNet34-AFF-SE模型具有较高的识别准确率，可以精准地识别水稻叶片的氮素营养状况，为水稻作物的氮素营养诊断提供了新的思路。