论文部分内容阅读
深度学习方法在水稻氮素营养诊断中的应用初探
摘 要 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10 173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。