Early Detection of Nicosulfuron Toxicity and Physiological Prediction in Maize Using Multi-Branch Deep Learning Models and Hyperspectral Imaging

高光谱成像 深度学习 毒性 环境科学 人工智能 遥感 计算机科学 化学 地质学 有机化学
作者
Tianpu Xiao,Yang Li,Dongxing Zhang,Cui Tao,Xiaoshuang Zhang,Ying Deng,Hongsheng Li,Haoyu Wang
出处
期刊:Journal of Hazardous Materials [Elsevier]
卷期号:474: 134723-134723 被引量:1
标识
DOI:10.1016/j.jhazmat.2024.134723
摘要

The misuse of herbicides in fields can cause severe toxicity in maize, resulting in significant reductions in both yield and quality. Therefore, it is crucial to develop early and efficient methods for assessing herbicide toxicity, protecting maize production, and maintaining the field environment. In this study, we utilized maize crops treated with the widely used nicosulfuron herbicide and their hyperspectral images to develop the HerbiNet model. After 4 d of nicosulfuron treatment, the model achieved an accuracy of 91.37 % in predicting toxicity levels, with correlation coefficient R² values of 0.82 and 0.73 for soil plant analysis development (SPAD) and water content, respectively. Additionally, the model exhibited higher generalizability across datasets from different years and seasons, which significantly surpassed support vector machines, AlexNet, and partial least squares regression models. A lightweight model, HerbiNet-Lite, exhibited significantly low complexity using 18 spectral wavelengths. After 4 d of nicosulfuron treatment, the HerbiNet-Lite model achieved an accuracy of 87.93 % for toxicity prediction and R² values of 0.80 and 0.71 for SPAD and water content, respectively, while significantly reducing overfitting. Overall, this study provides an innovative approach for the early and accurate detection of nicosulfuron toxicity within maize fields.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
全球发布了新的文献求助30
1秒前
田様应助林紫琼采纳,获得10
1秒前
1秒前
3秒前
Zz发布了新的文献求助10
3秒前
zhaoyaoshi完成签到 ,获得积分10
5秒前
dbdhisgsv发布了新的文献求助10
5秒前
王小乐完成签到 ,获得积分10
6秒前
ttt完成签到,获得积分10
6秒前
Gzl完成签到 ,获得积分10
7秒前
66完成签到 ,获得积分10
8秒前
嗯哼完成签到 ,获得积分10
9秒前
JJBOND完成签到,获得积分10
10秒前
12秒前
小马甲应助flj7038采纳,获得10
12秒前
等待的谷波完成签到 ,获得积分10
13秒前
开心柠檬完成签到 ,获得积分10
14秒前
14秒前
海皇星空完成签到 ,获得积分10
15秒前
16秒前
悲伤半导体应助wyg117采纳,获得30
16秒前
16秒前
科目三应助Ambi采纳,获得10
17秒前
深情安青应助栗子采纳,获得10
17秒前
wzgkeyantong发布了新的文献求助10
18秒前
19秒前
常温常压发布了新的文献求助10
19秒前
19秒前
罗C完成签到,获得积分10
20秒前
21秒前
lllll完成签到,获得积分10
21秒前
22秒前
风趣烧鹅完成签到,获得积分10
22秒前
JWKim完成签到,获得积分10
22秒前
23秒前
23秒前
23秒前
开心凡旋完成签到,获得积分10
23秒前
kk发布了新的文献求助10
23秒前
安德鲁森完成签到 ,获得积分10
23秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162567
求助须知:如何正确求助?哪些是违规求助? 2813460
关于积分的说明 7900578
捐赠科研通 2473036
什么是DOI,文献DOI怎么找? 1316641
科研通“疑难数据库(出版商)”最低求助积分说明 631375
版权声明 602175