农业机械学报

作者：王金星，刘雪梅，刘双喜，权泽堃，徐春保，江浩

单位：山东农业大学,山东农业大学,山东农业大学,山东农业大学,山东农业大学,山东农业大学,

关键词：苹果树叶片;氮含量预测;色彩特征;主成分分析;支持向量机

基金：国家重点研发计划项目（2016YFD0201104）和国家苹果产业技术体系项目（CARS-27）

为精准预测开花期、幼果期和果实膨大期苹果树叶片的氮含量，提出一种基于组合色彩特征的苹果树叶片氮含量预测模型。首先，获取苹果树叶片图像并提取R、G、B单色分量及14种色彩组合参数共计17种色彩特征，通过主成分分析提取不同时期苹果树叶片氮含量关键影响因子，消除原始变量之间的相关性，降低模型输入向量维度；其次，对建立的PCA-SVM、PCA-BP、PCA-ELM预测模型在不同时期对苹果树叶片氮含量预测效果与精度进行对比，得到不同时期最佳的预测模型；最后，利用最佳预测模型对不同时期苹果树叶片氮含量进行预测，并通过自适应遗传算法对最佳预测模型参数进行优化。试验结果表明：在不同生长时期，PCA-SVM模型的预测精度均高于PCA-BP、PCA-ELM模型；优化后PCA-SVM预测模型在开花期、幼果期和果实膨大期的平均绝对误差分别为0.640、0.558、0.544g/kg，平均绝对百分误差分别为0.057、0.050、0.064g/kg，均方根误差分别为0.800、0.747、0.737g/kg，优于优化前预测模型。该模型具有良好的预测性能和泛化能力，可以为果园精准施肥管理、提升果品品质、避免资源浪费和环境污染提供理论依据。

来源：2021年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第10期