首页|基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了对网纹甜瓜纹理特征进行定量预测，本文结合多个环境因子(基质含水量、温度、湿度、光合有效辐射)，使用支持向量机(SVM)与随机森林(RF)多元回归分析方法，对基于灰度共生矩阵提取的4个果实表面纹理特征——对比度(contrast)、熵(entropy)、相关性(correlation)、角二阶矩(ASM)进行了预测。结果表明，纹理特征受环境影响敏感度依次为基质水分、光合有效辐射、空气湿度或有效积温。对比RF模型和SVR模型，发现在不同环境因子输入条件下，RF模型均优于SVM模型，其中输入全部环境因子后RF模型的预测精度最高，对比度、熵、角二阶矩的模拟精度均达到了0。90，分别为R2=0。945 (RMSE=0。243)、R2=0。940 (RMSE=0。235)、R2=0。934(RMSE=0。248)。上述结果表明，RF模型对于网纹甜瓜纹理特征具有较好的预测结果，本研究结果可为温室网纹甜瓜栽培过程中的质量监控和栽培管理提供全新的思路。
Texture features prediction of netted melon in greenhouse based on machine learning and environmental factors

刘倩、李达仁、熊鑫、牛庆良、黄丹枫、常丽英

展开 >

上海交通大学农业与生物学院

农业部都市农业重点实验室(南方中心),上海200240

网纹甜瓜 机器学习 纹理特征 预测模型 环境因子

国家自然科学基金上海市农委项目上海市瓜果产业技术体系项目

31471411沪农科推字2017第3-8-4号

2019

上海交通大学学报(农业科学版)
上海交通大学

上海交通大学学报(农业科学版)

CSTPCD
影响因子：0.63
ISSN：1671-9964
年,卷(期)：2019.37(2)
  • 15