基于颜色和纹理特征的玉米干旱识别

• 作者: 安江勇 岳焕然 李茂松
• 来源期刊: 中国农学通报
• 学科: 农学
• 关键词: 玉米 干旱 颜色 纹理 BP神经网络 集成学习
• 年，卷（期）: 2018,（24）
• 所属期刊栏目: 农学·农业基础科学
• 页码范围: 18-28
• 页数: 11页
• 分类号: S166
• 语种: 中文

摘要

探究以颜色和纹理为特征,以神经网络建模为方法,识别玉米干旱的效果.利用可见光成像方式采集不同干旱胁迫下的玉米图像,通过编程从玉米图像中自动提取颜色和纹理特征变量,以多个BP神经网络集成学习的方法构建玉米不同生长发育阶段的干旱识别模型,识别不同干旱程度的玉米植株.结果表明:玉米出苗—拔节阶段的模型在训练和验证时的平均识别准确率和平均识别精度均在90％以上,识别误差均值小于0.1;拔节—抽雄阶段的模型在训练和验证时识别干旱的平均准确率和平均识别精度均在85％以上,识别误差均值为0.1和0.14;抽雄—成熟阶段的模型在训练和验证时识别干旱的平均准确率分别为85.36％和84.27％,平均精度在均在80％以上,识别误差均值为0.15和0.16.玉米出苗—拔节、拔节—抽雄、抽雄—开花3个阶段的干旱识别模型对田间玉米干旱的平均识别准确率在75％左右,平均识别精度在80％以上,平均识别误差依次为0.22、0.21、0.29.总之,出苗—拔节阶段的玉米干旱识别模型识别干旱的能力最强,拔节—抽雄阶段的模型次之,抽雄—成熟阶段的模型较差,同一模型对同一干旱程度的识别,模型训练时的识别效果最好,验证时的识别效果次之,测试效果较差,同一模型对不同干旱程度的识别,总体表现为对中旱水平识别效果最不理想,对适宜和特旱水平的识别效果最好.研究结果为玉米干旱特征模式识别和利用表型特征实现玉米旱情自动监测预警提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李茂松	中国农业科学院农业资源与农业区划研究所	63	1597	22.0	38.0
2	岳焕然	中国农业科学院农业资源与农业区划研究所	2	0	0.0	0.0
3	安江勇	中国农业科学院农业资源与农业区划研究所	2	0	0.0	0.0