基于加权随机森林的番茄氮元素缺乏分级模型研究

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0.8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1125～9543 lx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

所属期刊栏目：52

分类号：S126(农业物理学)

资助基金：国家重点研发计划项目2019YFD1001903

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：219-225,262