雷添杰研究员团队：基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别方法（《智慧农业（中英文）》2026年第4期）

（来源：智慧农业期刊）

引用格式：梁万杰, 刘晓君, 吴茜, 孙传亮, 雷添杰, 徐得泽, 郑兴飞, 朱广龙, 汤泉. 基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别方法[J]. 智慧农业(中英文), 2026, 8(4): 60-69.

Citation:LIANG Wanjie, LIU Xiaojun, WU Qian, SUN Chuanliang, LEI Tianjie, XU Deze, ZHENG Xingfei, ZHU Guanglong, TANG Quan. Recognition of Wheat Waterlogging Stress and Regulation Effect Based on UAV Multispectral Images and VGG21 Model[J]. Smart Agriculture, 2026, 8(4): 60-69.

DOI： 10.12133/j.smartag.SA202601017

基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别方法

梁万杰1，2， 刘晓君1，2， 吴茜1， 孙传亮1， 雷添杰3*， 徐得泽4， 郑兴飞4， 朱广龙5， 汤泉1

（1.江苏省农业科学院农业信息研究所，江苏南京210014，中国； 2.南京信息工程大学生态与应用气象学院，江苏南京 210044，中国； 3.中国农业科学院农业环境与可持续发展研究所，北京 100081，中国； 4.湖北省农业科学院粮食作物研究所，湖北武汉 430064，中国； 5.扬州大学教育部农业与农产品安全国际合作联合实验室，江苏扬州 225009，中国）

摘要： ［目的/意义］为实现科学、精准的小麦渍害防控，提高小麦产量，本研究提出一个快速、准确、无损的小麦渍水胁迫和调控效果识别方法。［方法］在小麦拔节-抽穗和抽穗-灌浆两个生长阶段进行对照、渍水胁迫、硅肥调控和氨基酸调控控制试验。试验期间，利用大疆精灵4多光谱无人机采集小麦冠层多光谱图像。试验结束对各处理测产，并利用产量指标评估调控效果。多光谱图像经过预处理，分类整理后建立包含对照、渍水胁迫、硅肥调控、氨基酸调控4个类别的数据集。采用分层抽样方法对数据集划分，即每个类别分别按7:1.5:1.5的比例随机划分为训练、验证和测试集。以VGG（Visual Geometry Group）19模型为基础，通过增加卷积层、调整卷积块和卷积层数、更换激活函数及优化模型超参等方法建立VGG21小麦渍水胁迫和调控效果识别模型。［结果和讨论］与ResNet（Residual Network）50和Swin-Transformer（Shifted Window Transformer）模型对比结果表明，VGG模型在多光谱图像数据识别方面性能更好，其中VGG21综合性能最突出。模型识别性能综合分析结果表明，VGG21模型对硅肥调控和胁迫的识别正确率达到91%以上，对硅肥调控样本的识别精度、召回率和F1分别达到96.42%、89.53%和92.85%。硅肥调控和胁迫识别模型用于氨基酸调控样本识别，识别正确率、精度等各项指标与构建的氨基酸调控和胁迫识别模型性能相当。利用VGG21构建的对照、胁迫和硅肥调控多分类识别模型，对调控样本的识别精度、召回率和F1分别达到95.13%、88.71%和91.80%。对比模型识别性能与产量评估的调控效果发现：硅肥调控效果较好，调控后的小麦光谱和图像特征显著，识别精度最高。［结论］基于无人机多光谱图像和VGG21模型构建的小麦渍水胁迫和调控效果识别模型，对调控效果较好的硅肥调控样本识别性能最好，具有很好的鲁棒性和可扩展性。此项技术可为小麦渍害综合防控，及小麦精细化、智能化管理提供理论和技术支持。

关键词： 小麦渍水胁迫；渍害调控；无人机；多光谱图像；深度学习；视觉几何组模型

文章图片

图1　小麦渍水和调控试验场景

Fig. 1 Wheat waterlogging stress and regulatory measures experiment

图2　小麦图像背景信息剔除过程

Fig. 2 Wheat image background information removal processing

图3　VGG21模型结构和参数

Fig. 3 Structure and parameters of VGG21 model

注：15亩=1 hm2。下图同。

图4　小麦拔节-抽穗期渍水胁迫和调控试验结果

Fig. 4 Results of waterlogging stress and regulation experiments during wheat jointing-heading stage

图5　小麦抽穗-灌浆期渍水胁迫和调控试验结果

Fig. 5 Results of waterlogging stress and regulation experiments during wheat heading-grain filling stage

图6　对照、胁迫和硅肥调控VGG21识别模型混淆矩阵

Fig. 6 Confusion matrix of VGG21 model for CK， waterlogging stress， and silicon fertilizer

图7　对照、胁迫和硅肥调控VGG21识别模型热力图

Fig. 7 Heat map of VGG21 model for CK, waterlogging stress, and silicon fertilizer

作者简介

雷添杰 研究员

雷添杰，博士，中国农业科学院农业环境与可持续发展研究所研究员、农科英才、博士生导师，国家重点研发计划项目首席科学家，山东大学土建与水利学院兼职特聘教授。主要从事天空地大数据应用研究，涵盖农牧业与自然生态系统损伤评估、安全预警及数字孪生智慧生态农业领域。主持国家级科研项目7项，主持研发智能无人机遥感装备、自然灾害空天地一体化监测与安全预警云平台等装备。发表论文70余篇，出版专著9部，授权发明专利30余项（含国际专利3项），参与制定《水文化遗产资源分类与代码》国家标准。担任数字图像处理国际会议遥感分会主席，获科技部遥感青年科技人才创新资助计划。

来源：《智慧农业（中英文）》2026年第4期

转载请联系编辑部授权