基于Stacking集成卷积神经网络的水稻氮素营养诊断

作者：杨红云; 郭紫微; 郭高飞; 黄进龙; 钱政; **朋; 刘娇娇

来源：植物营养与肥料学报, 2023, 29(03): 573-581.

• 水稻
• 氮素营养诊断
• 单一卷积神经网络
• 集成模型

【目的】为实现水稻氮素营养状况的快速、准确诊断，提出了基于集成卷积神经网络的水稻氮素营养诊断模型，为建立高性能的氮素营养诊断模型提供思路和方法。【方法】水稻田间试验以超级杂交水稻‘两优培九’为材料，设置4个施氮水平(0、210、300、390 kg/hm2)。扫描获取水稻幼穗分化期顶部3片完全展开叶的叶片图像，将图像裁剪至只包含叶尖片段的图像，进行水稻叶片图像数据采集。分别以单一卷积神经网络模型DenseNet121、ResNet50、InceptionResNet V2为基学习器，多层感知机(MLP)为元学习器，集成卷积神经网络模型，比较了集成模型与单一卷积神经网络模型以及不同基学习器组成的集成模型的氮素营养诊断结果。【结果】4个单一模型中，DenseNet121的氮素诊断准确率最高，为96.41%。二元集成模型和三元集成模型的准确率均高于任意一个单一模型的准确率，由3个基学习器组成的集成模型的准确率最高，达到98.10%，相比准确率最高的单一模型准确率提高了1.69个百分点。【结论】采用DenseNet、ResNet50、InceptionResNet V2集成的卷积神经网络建立的氮素营养诊断模型，具有很强的泛化能力和学习能力，能够准确识别氮素营养状况。

• 单位
  江西省高等学校农业信息技术重点实验室; 江西省通用技术工程学校; 江西农业大学; 安徽省烟草公司六安市公司; 安徽中烟工业有限责任公司