開發水稻營養壓力的高光譜庫，以利分析水稻影像

2024/10/23

摘要

研究由中國科學院研究團隊開發了一個針對水稻14種NPK（氮、磷、鉀）營養壓力條件的高光譜庫，利用地面高光譜相機收集和分析420張水稻壓力影像。研究中使用的基於變壓器的深度學習網絡SHCFTT能準確識別營養壓力模式，其準確率在93.92%至100%之間，顯著優於支持向量機（SVM）、一維卷積神經網絡（1D-CNN）和三維卷積神經網絡（3D-CNN）模型。這一方法提高了營養壓力檢測的精確性，對作物健康監測和精準農業的決策制定具有重要貢獻。

文章資訊

國際

刊出日期：2024/10/23

資料來源

Phys.org

文章摘譯

農業科技新脈動平台管理團隊

文章關鍵字

深度學習模型影像分析植被指數精準農業

　　水稻是全球發展的重要作物，但其產量和品質受到各種脅迫，特別是營養價值方面，監測作物脅迫的傳統方法是勞力密集且耗時的，雖然遙感技術顯示出希望，但也面臨大氣條件和混合農田群集等挑戰。

　　研究團隊使用SPECIM IQ高光譜成像設備分析水稻在不同營養壓力下的表現，收集了420張影像，接著計算了植被指數（NDVI、PRI、PSRI）以識別壓力模式，NDVI指數用於顯示氮壓力的趨勢，而PRI和PSRI則有效指示鉀壓力水平，並採用無監督可視化過程，揭示複雜的聚類情況，顯示需要進一步的建模來區分不同的壓力類型，提出了SHCFTT模型，結合CNN和變壓器架構來分類高光譜影像中的營養壓力模式。

　　研究發現SHCFTT模型在單年和雙年數據集上均達到了高達100%的整體準確率（OA）和平均準確率（AA），即使在訓練樣本有限的情況下也保持了高準確性。

　　此項研究發表在2024年5月《Plant Phenomics》期刊，該研究結果為高光譜成像作物表型研究和精準農業領域的信息感知發展提供了典型案例，未來的研究將可讓演算法擴展到其他作物並優化注意力機制以提高性能。【延伸閱讀】- 精準農業：技術使用優點和挑戰