基于圖像分析的堆肥腐熟度判別研究*

丁雯麗 裴曉芳，2，3 司廣字

（1.南京信息工程大學電子與信息工程學院 南京 210044）（2.無錫學院電子信息工程學院 無錫 214105）（3.南京信息工程大學江蘇省大氣環境與裝備技術協同創新中心 南京 210044）

1 引言

近年來，農業廢棄物資源化和能源化［1］越來越受到大眾的重視，將其進行堆肥化處理，不僅能夠減少環境污染，還能實現農業可持續發展［2～3］。判斷堆肥產品是否安全可用和達到穩定的依據是腐熟度［4］，腐熟的有機肥能夠改良土壤，提高農產品的品質和質量，而使用未腐熟的有機肥，影響農作物生長，散發出來的刺激氣味還會給環境帶來污染。因此，判別堆肥是否腐熟是生產過程中至關重要的環節。

目前堆肥腐熟度一般是通過堆肥過程中產生的溫度、氣味、顏色等物理變化［5］，或者根據PH 值、碳氮比、含水率等生物化學指標來判定。隨著大數據和深度學習的迅猛發展，其應用于農業領域的研究也越來越多。不少研究者也嘗試通過分析堆肥圖像來判定堆肥腐熟度。Kujawa 等［6］基于UV-A光下獲得的堆肥材料樣本圖像中包含的信息，開發了用于確定堆肥污水污泥和菜籽秸稈早期成熟期的分類神經模型，所建立的神經模型的分類誤差在1.83%～4.27%之間。薛衛等［7］基于卷積神經網絡堆肥腐熟度預測，對獲取的堆肥圖像進行卷積操作，構建堆肥腐熟度識別率和堆肥表面特征之間的關聯模型。

相較于傳統腐熟判別方法，基于深度學習的堆肥腐熟度的判別能夠很好地平衡堆肥腐熟識別模型識別精度和復雜度。……