学术中心

全部分类
您现在的位置:
首页
/
/
/
利用RGB图像和机器学习方法估算水稻氮素营养

利用RGB图像和机器学习方法估算水稻氮素营养

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2020-12-11 06:10
  • 访问量:

【概要描述】

利用RGB图像和机器学习方法估算水稻氮素营养

【概要描述】

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2020-12-11 06:10
  • 访问量:
详情

红-绿-蓝(RGB)图像是作物氮素营养评估的有力工具。目前已经提出各种利用作物氮营养参数和图像指数的回归模型,但尚未对其氮素估算的准确性和泛化性能进行全面评估。

 

原始水稻冠层图像(a)和相应的分割图像(b)的示例

 

在这项研究中,使用商用数码相机在2年的田间实验中捕获水稻冠层RGB图像,并使用了三种回归方法(简单的非线性回归SNR,反向传播神经网络BPNN和随机森林回归RF)估算水稻地上部干物质(DM)、氮积累(NA)和叶面积指数(LAI)。对三种回归方法进行了1000次重复随机二次抽样验证,以评估模型的性能和稳定性。结果发现,RF回归模型验证数据集的准确性最高:DM、LAI和NA估计的平均测试预测准确性(ATPA)分别为80.17%,79.44%和81.82%,其次是BPNN和SNR模型。根据1000次计算中ATPA的分布,在BPNN模型中观察到最高标准偏差(SD)和最大的区间范围(5%–95%),这表明BPNN模型最容易受到数据集分裂的影响。而RF和SNR模型的SD较低、区间范围较小,这表明RF和SNR模型受数据集分裂的影响较小,并且能够始生成可靠的回归模型。

 

用于估算水稻氮营养参数的SNR测试

用于估算水稻氮营养参数的BPNNs测试

 

水稻氮素营养参数估算的RF模型测试

 

综上所述,RF模型的集成算法有效地防止了处理不同数据集分段时的过度拟合,因此RF模型具有较强的泛化性能。结合数字图像和适当的机器学习方法有助于方便,可靠地估算作物的氮素营养。

 

三种回归模型中水稻氮素营养参数最优估计的ATPA比较

 

来源:

Shi P, Y, Xu J, et al. Rice nitrogen nutrition estimation with RGB images and machine learning methods. https://doi.org/10.1016/j.compag.2020.105860。

关键词:

扫二维码用手机看

推荐新闻

致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城东路10号院
          京城尚德智造产业园E区112B

电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明