首页|基于多元岭回归估计小麦种植密度

基于多元岭回归估计小麦种植密度

Estimating Wheat Planting Density Based on Multiple Ridge Regression

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
种植密度对小麦产量影响较大,合理的种植密度对提高小麦产量具有重要意义.因此,快速、准确的估计小麦种植密度显得尤为关键.提出一种基于多元岭回归估计小麦种植密度的方法.首先,将获取的彩色麦苗图像从RGB颜色空间转到Lab颜色空间,利用改进的K-means聚类算法对麦苗进行分割.然后,选取已知种植密度的50幅麦苗图像作为训练样本进行标准化,获得标准化麦苗图像的面积特征、轮廓特征和LBP纹理特征,将这3个特征参数和已知的麦苗密度作为训练输入,利用多元岭回归得到麦苗密度与特征参数间的函数映射关系.最后,对要测试的麦苗图像,按照上述步骤进行处理,求出测试麦苗图像的3个特征参数作为输入,代入映射函数得到测试麦苗图像的密度值.结果 表明,该方法在估计4个不同品种小麦种植密度时,田间麦苗单幅图像中小麦种植密度的估计平均精度达到93.99％,平均相对误差为6.01％,对比已有估计小麦种植密度的方法,该方法估计精度显著提高.

刘哲、乌伟、张善文、崔倩倩、李瑞洋

展开 >

西京学院信息工程学院,西安710123

多元岭回归 局部纹理特征 麦苗密度 K-means聚类 颜色空间

国家自然科学基金陕西省科技厅重点研发项目

614732372017ZDXM-NY-088

2020

中国农业科技导报
中国农村技术开发中心

中国农业科技导报

CSTPCDCSCD北大核心
影响因子：1.252
ISSN：1008-0864
年,卷(期)：2020.22(6)
  • 3
  • 11