摘要
为了能够更准确地利用叶片数码图像对烟草氮素进行定量描述,以烟草鲜叶作为研究对象,利用图像处理技术提取叶片RGB、HSV、Lab颜色模型参数及RGB颜色模型偏态参数作为烟草叶片的特征参数,采用逐步回归法和反向传递神经网络(BPNN)法构建基于不同颜色模型参数的叶片氮含量拟合模型,并分析比较不同类型参数与建模方式对模型拟合精度及优度的影响。结果表明,RGB颜色模型参数、HSV颜色模型参数、Lab颜色模型参数及RGB颜色模型偏态参数等叶色特征参数与叶片氮含量具有显著或者极显著相关性,叶色特征参数是估测鲜烟叶叶片氮含量很好的指标;在相同建模方法下,利用RGB颜色模型偏态参数与叶片氮含量构建的拟合模型决定系数R 2最大,拟合精度最高,拟合效果最佳,而使用BPNN法构建叶色-叶片氮含量拟合模型优于逐步回归法。因此,采用RGB颜色模型偏态参数作为自变量,且使用BPNN方式构建的叶色-叶片氮含量拟合模型为最佳模型,整体表现最优。
出处
《江苏农业科学》
北大核心
2023年第19期209-214,共6页
Jiangsu Agricultural Sciences
基金
中国烟草总公司福建省公司科技项目(编号:2021350000240020)。
