基于图像特征的水稻叶片全氮含量估测模型研究

文献类型： 中文期刊

第一作者： 杨红云

作者： 杨红云;罗建军;孙爱珍;万颖;易文龙

作者机构：

关键词： 水稻;叶片全氮含量;多元线性回归;机器学习;支持向量机;BP神经网络

期刊名称： 浙江农业学报

ISSN： 1004-1524

年卷期： 2020 年 012 期

页码：

收录情况： 北大核心 ; CSCD

摘要： 探究水稻叶片生长外部颜色、几何形态特征与其全含氮量之间的定量描述关系,可以快速且准确地诊断水稻氮素营养状况.研究筛选了全氮含量估测敏感叶位,并比较了基于多元线性回归和机器学习方法的水稻敏感叶位全氮含量估测模型,为构建高性能的氮素营养定量诊断模型提供思路和方法.水稻田间试验于2017-2018年在江西省南昌市成新农场进行,供试水稻品种为两优培九,设置4个施氮水平(施氮水平从低到高为0、210、300和390 kg·hm-2).在水稻幼穗分化期和齐穗期,分别扫描获取水稻顶部第一完全展开叶叶片(顶1叶)、顶部第二完全展开叶叶片(顶2叶)以及顶部第三完全展开叶叶片(顶3叶)图像,共4 800张图像.通过图像处理技术获取25项水稻扫描叶颜色和几何形态特征,采用多元线性回归进行全氮含量估测,筛选出两个时期的敏感叶位,并应用机器学习方法建立水稻敏感叶位的全氮含量估测模型.与人工测量相比,通过图像处理方法获取的水稻叶片长宽平均相对误差分别为0.328%、3.404%;幼穗分化期顶3叶和齐穗期顶2叶较其他同期叶位更为敏感,且以幼穗分化期顶3叶最为敏感;应用机器学习建立的水稻敏感叶位全氮含量估测模型略优于多元线性回归模型,且采用BP神经网络建模最佳,幼穗分化期顶3叶模型验证集的RMSEv=0.089、MREv=0.034、R2v=0.887,齐穗期顶2叶模型验证集的RMSEv=0.132、MREv=0.046、R2v=0.820.幼穗分化期顶3叶和齐穗期顶2叶的叶片图像特征最具有代表性,进行全氮含量估测更具可行性,可作为水稻氮素营养诊断的有效叶位.

分类号： S511

  • 相关文献

[1]冬小麦叶片光合特征高光谱遥感估算模型的比较研究. 张卓,龙慧灵,王崇倡,杨贵军. 2019

[2]基于特征光谱参数的苹果叶片叶绿素含量估算. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏. 2018

[3]基于支持向量机技术预测丙戊酸钠血药浓度. 马攀,贾运涛,刘芳,程林,王红迁,严波,陈勇川. 2021

[4]基于随机森林算法的草原地上生物量遥感估算方法研究. 邢晓语,杨秀春,徐斌,金云翔,郭剑,陈昂,杨东,王平,朱立博. 2021

[5]基于可见光-近红外光谱特征参数的苹果叶片氮含量预测. 杨福芹,冯海宽,李振海,杨贵军,戴华阳. 2017

[6]基于无人机高光谱的水稻叶片氮含量估测方法. 张黎黎,吕霞. 2021

[7]基于BP神经网络和概率神经网络的水稻图像氮素营养诊断. 周琼,杨红云,杨珺,孙玉婷,孙爱珍,杨文姬. 2019

[8]基于参数优化支持向量机的水稻施氮水平分类研究. 周琼,杨红云,杨珺,孙玉婷,杨文姬,石强强. 2017

[9]基于Sentinel-2数据的水稻面积提取方法比较分析. 麦丽素,乌兰吐雅. 2019

[10]基于支持向量机回归预测水稻叶片SPAD值. 孙玉婷,王映龙,杨红云,周琼,杨文姬. 2018

[11]RGB与HSI色彩空间下预测叶绿素相对含量的研究. 孙玉婷,王映龙,杨红云,周琼,孙爱珍,杨文姬. 2018

[12]基于HOG+SVM的田间水稻病害图像识别方法研究. 马超,袁涛,姚鑫锋,籍延宝,李琳一. 2019

[13]基于相似性分析的中低分辨率复合水稻种植面积测量法. 顾晓鹤,韩立建,张锦水,潘耀忠,李乐. 2008

[14]基于高光谱和参数优化支持向量机的水稻施氮水平分类研究. 罗建军,杨红云,路艳,万颖,孙爱珍,易文龙. 2020

[15]支持向量机和最大类间方差法结合的水稻冠层图像分割方法. 黄巧义,张木,李苹,付弘婷,黄旭,唐拴虎. 2019

[16]水稻冠层图像分割方法对比研究. 黄巧义,樊小林,张木,黄旭,李苹,付弘婷,唐拴虎. 2018

[17]不同渠道防疫信息及其他因素对农户防疫行为影响分析. 闫振宇,杨园园,陶建平. 2011

[18]婴幼儿潮气呼吸肺功能指标的预计公式模型构建与评价. 夏林莺,刘莎,龚财惠,符州. 2016

[19]胶州湾鱼类群落优势种组成的时空变化. 沃佳,徐宾铎,薛莹,任一平,张崇良. 2017

[20]婴幼儿功能残气量的预测模型构建与评价. 夏林莺,刘莎,龚财惠,符州. 2016

作者其他论文 更多>>

微信小程序