SCBI-EfficientNetV2:一种用于玉米叶片氮含量回归预测的轻量级注意力机制网络
孙翠敏、
何彪、
黄留学、
刘杰、
陈秋莲、
秦希
《Agronomy》:SCBI-EfficientNetV2: A Lightweight Attention-Based Network for Regression Prediction of Nitrogen Content in Maize Leaves
Cuimin Sun,
Biao He,
Liuxue Huang,
Ji Liu,
Qiulian Chen and
Xi Qin
【字体:
大
中
小
】
时间:2026年03月05日
来源:Agronomy 4.1
摘要
准确测定玉米叶片中的氮含量对于农业生产中的科学施肥和环境保护至关重要。传统的养分诊断方法效率低下、成本高昂且具有破坏性,而基于手工设计特征的机器学习方法则过度依赖人工设计,导致其泛化能力有限,预测精度也不理想。为解决这些问题,本文提出了一种名为SCBI-EfficientNetV2的卷积神经网络模型,该模型以EfficientNetV2-S作为核心架构,通过自动特征提取来克服手工特征工程的局限性。此外,还引入了空间与通道协同注意力(SCSA)模块,以增强对关键区域和重要特征通道的建模能力,并结合双向特征金字塔网络(BiFPN),实现有效的多尺度特征融合,从而提升对玉米叶片层次结构特征的表征能力。实验结果表明,SCBI-EfficientNetV2在测试集上的决定系数(R2)达到了0.9417,相比基准模型提升了5.25%,同时其性能也优于五种传统的深度学习方法。此外,该模型在保持较高预测精度的同时计算成本相对较低,具备良好的边缘设备部署适应性。本研究为玉米养分的无损智能诊断提供了可行的解决方案,也为精准施肥和可持续农业发展提供了技术支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号