| 基于加权随机森林的番茄氮元素缺乏分级模型研究 |
| |
| 引用本文： | 李莉,蓝天,赵奇慧,孟繁佳. 基于加权随机森林的番茄氮元素缺乏分级模型研究[J]. 农业机械学报, 2021, 52(11): 219-225，262 |
| |
| 作者姓名： | 李莉 蓝天 赵奇慧 孟繁佳 |
| |
| 作者单位： | 中国农业大学农业信息获取技术农业农村部重点实验室,北京100083;中国农业大学现代精细农业系统集成研究教育部重点实验室,北京100083 |
| |
| 基金项目： | 国家重点研发计划项目（2019YFD1001903） |
| |
| 摘 要： | 基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。
|
| 关 键 词： | 番茄 氮元素 形状特征 颜色特征 判别分级 加权随机森林 |
| 收稿时间： | 2020-11-20 |
Discriminant Model of Tomato Nitrogen Deficiency Based on Weighted Random Forest |
| |
| LI Li,LAN Tian,ZHAO Qihui,MENG Fanjia. Discriminant Model of Tomato Nitrogen Deficiency Based on Weighted Random Forest[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(11): 219-225，262 |
| |
| Authors: | LI Li LAN Tian ZHAO Qihui MENG Fanjia |
| |
| Affiliation: | China Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | tomato nitrogen shape feature color feature discriminant and grading weighted random forest |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
