摘 要: | 【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0.740 7,均方根误差(RMSE)为1.265 3g/kg,估测精度略高于偏最小二乘回归(PLSR)模型和偏最小二...
|