学术中心
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。
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
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中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
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