基于LBPHSV+ResNet50融合的水稻冠层氮素营养监测方法

叶春; 刘莹; 刘继忠; 舒时富; 李艳大; 吴罗发; 《中国农业大学学报 》 2023 北大核心 CSCD

摘要：为采用数码相机拍摄的水稻冠层图像来估测作物的氮素含量.以自然环境下获得的水稻冠层图像为研究对象,提出一种基于图像纹理色彩特征(LBPHSV)和ResNet50网络融合算法的氮素含量预测方法.LBPHSV+ResNet50融合算法是通过运用LBP算子和HSV颜色空间矩阵提取图像特征参数,将提取到的融合特征集作为ResNet50模型输入以加强对作物氮素营养的表征,并将预测结果与常用的多元线性回归、随机森林(RF)、支持向量回归模型、多层感知机、卷积神经网络、长短记忆网络(LSTM)及组合模型预测结果进行对比分析.结果显示:相比于浅层机器学习模型,深度学习算法能显著提高预测模型的准确率;LBPHSV+ResNet50融合模型的预测能力和泛化能力达到最优,R2和RMSE分别为0.97、0.02.相比于RF、LBP+LSTM、ResNet50,新模型的R2分别提升了16.36%、9.72%、16.55%和 1.13%,RMSE 分别下降了0.35、0.46、0.05 和 0.002.因此,LBPHSV+ResNet50融合模型在预测水稻氮素含量时可提供令人满意的性能,能够满足对水稻氮素营养无损精准监测的农业需求.

关键词： 水稻冠层 氮素 监测 特征选择 ResNet50