Computers and Electronics in Agriculture·8月27日 · 周四论文农业遥感与作物表型阅读 3
Transfer learning and multi-branch intermediate fusion deep neural network for wheat nitrogen concentration monitoring using multi-scale multi-modal remote sensing information
Xiangxiang Su · Huihan Wang · Mi Yang 等 9 人
Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112355
论文解读
73接近精选线
速览
提出迁移学习与多分支中间融合深度网络，利用多尺度多模态遥感监测小麦氮浓度。
方法
多分支中间融合深度神经网络，结合迁移学习与多尺度多模态遥感数据。
发现
融合多模态遥感信息可提高小麦氮浓度监测精度。
机会点
可探索不同作物、不同胁迫下的多模态融合策略，以及轻量化模型部署。
影响力18
信息增量20
专业深度18
信源权威15
时效性2
提出多分支中间融合深度学习网络，结合多尺度多模态遥感监测小麦氮浓度，方法新颖，数据可靠，对精准农业有实质贡献。
原文摘要
Transfer learning and multi-branch intermediate fusion deep neural network for wheat nitrogen concentration monitoring using multi-scale multi-modal remote sensing information。Computers and Electronics in Agriculture