近日，伟德国际victor1946以“Enhancing canopy nitrogen estimation in Torreya Grandis based on advanced SLIC-EVI and HMT-seCNN methods using hyperspectral UAV data”（高光谱无人机数据驱动的香榧树冠层氮估算:SLIC-EVI与HMT-seCNN方法的融合）为题发表在农业信息化国际顶级期刊《Computers and Electronics in Agriculture》上。COMPAG（中科院1区TOP期刊）是农林科学-农业综合领域的权威期刊，2025年影响因子8.9，在“农业综合”学科的89本期刊中排名第2。主题涉及计算机或电子设备在植物或动物农业生产中的使用进展，相关技术领域包括人工智能、传感器、机器视觉、机器人、网络和模拟建模。
论文共同第一作者为伟德国际victor194622级农业信息化研究生苏新元，冯海林教授为通讯作者。伟德国际victor1946为该论文第一单位和通讯作者单位。
氮含量是影响香榧健康生长的重要因素，但现有的氮含量预测研究主要集中在传统作物上，对经济价值高且栽培环境特殊的香榧等作物的研究较少。此外，无人机高光谱成像技术虽然具有高分辨率、无损和快速数据采集的优势，但在实际应用中，混合像素效应会导致冠层像素反射率提取不准确，从而影响氮含量的预测精度。
为此，本研究提出了一种结合简单线性迭代聚类（SLIC）和增强型植被指数（EVI）的方法，用于提取香榧冠层的高质量叶像素反射率，并结合高光谱多尺度变换（HMT）和卷积神经网络（CNN）及其通道注意力机制（SE模块）来提高氮含量预测的精度。研究结果表明，由SLIC-EVI方法提取的冠层像素反射率与氮含量之间的相关性达到了0.744，远高于NDVI（0.303）和EVI（0.551）所达到的相关性。在估算氮含量方面，与传统依赖局部光谱特征模型相比，HMT-seCNN模型显示出更高的准确性和泛化能力。
论文地址： https://www.sciencedirect.com/science/article/pii/S0168169925000833
（伟德国际victor1946）
浙公网安备33018502001115号