在小麥揚花灌漿期，土壤中的養(yǎng)分供應非常重要。因此，及時施肥是保證小麥生長的關鍵。一般來說，施肥時間應該在小麥揚花開始期時進行。一般選擇氮、磷、鉀等多種元素的肥料進行施用，以保證小麥的健康生長。

小麥揚花灌漿期對水分的需求量非常大，但是過量的灌溉也容易導致小麥發(fā)生根腐病或者其他水害。因此，在小麥揚花灌漿期，適當控制水分非常重要。一般來說，在小麥揚花灌漿期，應該根據(jù)實際情況，靈活掌握灌溉的時間和量，以保證小麥的生長和發(fā)育。

利用低空無人機技術，并結合深度學習語義分割模型精準提取作物倒伏區(qū)域是一種高效的倒伏災害監(jiān)測手段。在實際應用中，受田間各種客觀條件(不同無人機飛行高度低于120m、多個研究區(qū)、關鍵生育期不同天氣狀況等)限制，無人機獲取的圖像數(shù)量仍偏少，難以滿足高精度深度學習模型訓練的要求。

安徽大學農(nóng)業(yè)生態(tài)大數(shù)據(jù)分析與應用技術國家地方聯(lián)合工程研究中心與西北農(nóng)林科技大學機械與電子工程學院、宿州學院信息工程學院，組成了胡根生教授團隊展開了研究，旨在探索一種在作物生育期和研究區(qū)有限的情況下精準提取倒伏面積的方法。

以健康/倒伏小麥為研究對象，在其灌漿期和成熟期開展麥田圖像采集工作。設置2個飛行高度(40和80m)，采集并拼接獲取2019、2020、2021和2023年份3個研究區(qū)的數(shù)字正射影像圖;在Swin-Transformer深度學習語義分割框架基礎上，分別使用40m訓練集單獨訓練、40和80m訓練集混合訓練、40m訓練集預訓練80m訓練集遷移學習等3種訓練方法，獲得對照模型、混合訓練模型和遷移學習模型;采用對比實驗比較上述3種模型分割80m高度預測集圖像的精度并評估模型性能。

遷移學習模型倒伏面積提取精度最高，交并比、正確率、精確率、召回率和F1-Score共5個指標平均數(shù)分別為85.37%、94.98%、91.30%、92.52%和91.84%，高于對照組模型1.08%~3.19%，平均加權幀率達到738.35fps/m2，高于40m圖像183.12fps/m2。

利用低飛行高度(40m)預訓練語義分割模型，在較高飛行高度(80m)空圖像做遷移學習的方法提取倒伏小麥面積是可行的，這為解決空域飛行高度限制下，較少80m及以上圖像數(shù)據(jù)集無法滿足語義分割模型訓練的要求的問題，提供了一種有效的方法。

審核編輯 黃宇