基于多图像特征的幼龄沉香全氮估测
[目的]应用计算机视觉技术提取幼龄沉香的多图像特征,对沉香叶片全氮含量进行估测,为实现沉香氮营养状态的快速无损估测提供新方法.[方法]采用基于色调-亮度-饱和度(HIS)颜色空间的最佳直方图(KSW)熵法和形态学处理对幼龄沉香图像进行分割,并提取了图像的颜色、形状和纹理特征.然后利用偏最小二乘法(PLS)对多图像特征进行有监督降维,提取图像特征主成分.最后构建了天牛须搜索算法(BAS)优化后的Elman神经网络(Elman neural network,ElmanNN)模型对幼龄沉香叶片全氮量进行估测,并将模型验证结果与其他常用模型进行对比.[结果]以幼龄沉香可见光图像为研究对象,应用的基于HIS空间的分割算法效果优于常用的RGB和Lab颜色空间分割;PLS算法对图像特征提取了6个主成分,快速降低了图像特征的维数,并有效消除了特征变量间的多重共线性;提出的PLS-BAS-ElmanNN模型能实现模型参数的自适应选取,且估测效果较好,决定系数R2为0.7407,均方根误差(RMSE)为1.2653 g/kg,估测精度略高于偏最小二乘回归(PLSR)模型和偏最小二乘-广义可加模型(GAM).[结论]提出以幼龄沉香为研究对象的图像处理方法,构建了能够稳定处理高维图像数据的PLS-BAS-ElmanNN估测模型,为幼龄沉香氮营养状态的监测及沉香培育的精准作业提供了新思路.
沉香、全氮、计算机视觉、BAS-Elman、偏最小二乘法
47
S796;TP391(森林树种)
海南省院士创新平台科研专项;国家自然科学基金
2023-06-02（万方平台首次上网日期，不代表论文的发表时间）
共10页
19-28
