SC-ResNeXt:甘蔗叶片含氮量的回归预测模型-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

SC-ResNeXt:甘蔗叶片含氮量的回归预测模型

发布时间：

2025-03-24

来源：

作者：

作为一种重要的经济作物，甘蔗产量受到各种环境因素的显著影响，尤其是氮素供应。精确、经济地评估甘蔗含氮量对平衡施肥、减少资源浪费和减少环境污染至关重要。基于手动提取图像特征的传统方法不仅成本高，而且精度和泛化能力也十分有限。为解决以上问题，本研究利用智能手机拍摄的图像开发了一种新的回归预测模型SC-ResNeXt，该模型将自我注意力(Self-Attention，SA)和CBAM注意力机制集成到ResNeXt101架构中用于评估甘蔗叶片的氮含量。

与四种经典的深度学习算法相比，SC-ResNeXt表现出优越的回归预测性能。结果表明，SC-ResNeXt模型预测甘蔗叶片含氮量的R2达到0.9349。引入模拟退火算法和CBAM注意力机制后，模型的预测精度提高了4.02%。

本研究基于智能手机拍摄的图像，结合自动特征提取和深度学习技术精确、经济地预测了甘蔗叶片氮含量。本研究结果为中小规模农业优化甘蔗氮素管理提供了解决方案，并为可持续农业实践和智能耕作系统做出了贡献。

图1. SC-ResNeXt模型架构

图2. ResNeXt101结构

图3. CBAM算法结构

图4. 自我注意力机制结构

图5. SC-ResNeXt的训练过程: loss收敛；R²

图6. SC-ResNeXt Layer4的Grad - CAM热图

图7. t-SNE特征映。(a)第一卷积层的输出；(b)注意机制之前；(c)注意力机制后

图8. 不同骨干结构回归预测结果

图9. 不同算法的测试结果

来源

Lu, Z.; Sun, C.; Dou, J.; He, B.; Zhou, M.; You, H. SC-ResNeXt: A Regression Prediction Model for Nitrogen Content in Sugarcane Leaves. Agronomy 2025, 15, 175. https://doi.org/10.3390/agronomy15010175

编辑

JAYz

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示