基于三维点云和集成学习的大田烟草株型特征识别

摘要：

为构建高效的大田烟草株型定量化方法,本研究基于多视角图像序列并采用运动恢复结构算法重建了5个品种烟草植株的三维点云.根据常用的烟草株型特征指标,基于烟株三维点云自动提取株高、顶宽、底宽、叶层最大宽等10个表型参数,并基于大田原位手动测量的株高和叶层最大宽对计算精度进行评估.结果表明,基于三维点云提取的株高和叶层最大宽与实测值的决定系数(R2)均大于0.97,均方根误差分别为3.0、3.1 cm.同时,采用不同方法对提取的烟草表型性状进行分析.组间相关性分析结果表明,有16对性状呈极显著正相关,1对性状呈极显著负相关.单因素多元方差分析结果表明,各品种株型之间具有极显著差异.利用主成分分析提取前3个主成分,其对总体方差的累计贡献率为81.6％.基于Stacking集成学习方法进行株型判别,其准确率达到93.7％,显著高于随机森林、支持向量机和朴素贝叶斯等3种机器学习模型的准确率.本研究可为大田烟草表型特征及株型识别提供方法依据.

关键词：三维点云、烟草、表型、机器学习、株型

所属期刊栏目：48

分类号：TP391.7;S126;S572(计算技术、计算机技术)

资助基金：中国烟草总公司山东省公司重点项目201803

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：393-402