基于可见光光谱的檀香图像分割与植株全铁含量预测
为探究珍贵树种微量元素的精准施肥,提出了一种基于可见光的檀香全铁含量预测方法.通过将亮度色彩颜色(Lab)系统中的亮度分量(L)和颜色分量(b)与大津法、中值滤波、形态学运算相结合的方法,实现林内檀香分割,本方法结果优于支持向量机法分割效果,像素误差在5%之内,颜色误差在3%之内;对分割后的檀香光谱值与全铁含量进行分析得到,叶片全铁含量的最佳值在250~300 mg·kg-1之间,低于和高于该区间均会造成叶片失绿;当新叶与老叶光谱值之比作为输入因子时得到的结果最佳,而使用整体光谱值得到的结果最差;寻优算法对结果的增强能力要优于迭代增强,其中,遗传算法结果最佳,说明合适的初始值与阈值对网络预测能力的提高更明显.本研究结果对珍贵树种微量元素的营养诊断具有指导意义,为精准林业提供了一种思路.
全铁、营养诊断、图像分割、可见光光谱、优化算法
55
S126(农业物理学)
国家自然科学基金项目31670642;林业科学技术推广项目[2016]11号
2018-12-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
1212-1221