17 天前

Nutrispace:一种新型色彩空间以增强基于深度学习的瓜类作物营养缺乏早期检测

{Tofael Ahamed, M Nazim Uddin, Ehtashamul Haque, Nabil Anan Orka}
摘要

植物营养缺乏的早期检测并及时采取纠正措施,对于保障作物产量和农产品品质至关重要。然而,由于早期症状往往极为细微,即便借助计算机辅助诊断工具,仍难以准确识别。为此,本研究提出了一种新型颜色空间——Nutrispace,通过增强叶面图像中营养缺乏的早期特征,显著提升基于深度学习的营养胁迫识别能力。为评估Nutrispace的有效性,本研究将其性能与RGB、HSV及CIELAB三种传统颜色空间进行对比,采用三种轻量级分类器:EfficientNetB0、MobileNetV2和DenseNet121。为进一步探究Nutrispace的应用边界,实验还测试了四种不同的图像输入尺寸:32×32、64×64、128×128和256×256。测试数据集包含苦瓜(Momordica charantia)、冬瓜(Benincasa hispida)和丝瓜(Trichosanthes cucumerina)叶片在氮、钾元素早期缺乏状态下的图像,以及健康对照样本。实验结果表明,在全部12组测试条件下,Nutrispace均显著提升了分类准确率,相较于RGB颜色空间,准确率提升幅度在1%至8%以上。尤其在高分辨率图像(256×256)下,性能提升更为显著,Nutrispace在该条件下实现了最高测试准确率90.62%。总体而言,Nutrispace在不同分类器架构和输入尺寸下均表现出优异的稳定性和有效性,展现出在植物营养状态智能诊断中的广阔应用前景。