基于RGB图像和CNN模型的水稻氮素诊断系统

吕斌; 姚强; 粟超; 李波; 查茜; 黄祥; 詹火木; 《现代农业装备 》 2024

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。

关键词： 水稻 氮素营养 诊断系统 深度学习 图像识别 无人机