姚 强，粟 超，李 波，易 婧，敬廷桃，吕 斌

（重庆市农业科学院，重庆 401239）

水稻是我国最主要的粮食作物，全国60%以上人口以稻米为主食。水稻生产在我国农业生产上和粮食安全方面具有举足轻重的地位。氮素是作物生长发育周期中需要量最多的营养元素之一，也是对作物生长、产量和品质影响最为显著的营养元素之一[1]。在种植水稻的过程中，错误地施用氮肥或是施氮经验不足，会使水稻氮素营养失调，从而导致水稻产量和品质的降低[2]。传统的氮素营养诊断以田间采集植株样品、实验室化学分析为主，这种方法在样品的采集、测试及数据处理等方面需耗费大量的人力、物力和财力，时效性差，不利于推广应用[3]。近年来，随着互联网+、大数据、人工智能等新技术的发展和应用，数字农业、智慧农业应运而生，运用数字技术、人工智能技术开展作物氮素营养诊断的研究取得了很多成果。如：李岚涛等应用数字图像技术进行了水稻氮素营养诊断方面的研究[3]；吴刚等采用一种基于卷积神经网络的方法对采集的多光谱玉米植株图像进行氮素含量、水分含量等分析识别[4]；魏全全等运用数字图像技术对马铃薯氮素营养开展估测及验证[5]；魏雪等开展了智能手机图像参数与玉米氮素营养状况关联解析[6]；李红军等利用数码相机对小麦冠层进行拍照，分析色彩参数与作物氮素营养状况之间的关系[7]。本文探索采用深度学习的方法开展水稻氮素营养诊断。……