用深度学习模型确定水培生菜栽培品种的营养浓度

深度学习(DL)和计算机视觉在精准农业中的应用在识别和分类植物和植被物种方面具有巨大潜力。本研究介绍了DL建模与计算机视觉技术的适用性,以分析四个水培生菜栽培品种(Lactuca sativa L.)的营养水平,即Black Seed、Flandria、Rex和Tacitus 。

该实验对温室中种植生菜栽培品种采用了四种不同的营养浓度(0、50、200、300ppm的氮气溶液),并采集了生菜叶片的RGB图像。结果显示,所开发的DL的视觉几何组16(VGG16)和VGG19架构分别以87.5至100%的准确率识别了四个生菜栽培品种的营养水平。

该实验还构建了卷积神经网络模型来识别所研究生菜的营养水平,以进行比较。所开发的建模技术不仅可以应用于收集在温室中生长的其他生菜类栽培品种的实时营养数据,还可以应用于田间。此外,这些建模方法可用于遥感目的及各种生菜作物。据作者所知,这是一项应用DL技术来确定生菜栽培品种中营养物质浓度的最新研究。

阅读完整的研究报告,请登录www.researchgate.net

参考文献:Eshkabilov, Sulaymon & küçüktopcu, Erdem. (2021). Deep Learning Models to Determine Nutrient Concentration in Hydroponically Grown Lettuce Cultivars (Lactuca sativa L.). Sustainability. 14. 16. 10.3390/su14010416.  

 


发布日期:



如果您想免费订阅我们的每日新闻,请点击这里| 点击这里


此领域的其它新闻:


点击订阅我们的每日EMAIL新闻信

取消 订阅