典型文献
基于信息熵特征选择的小麦冠层叶绿素含量估测方法
文献摘要：
为运用图像颜色特征估测作物的叶绿素含量,以自然环境下的小麦冠层图像为研究对象,提出一种基于熵权法的颜色特征选择方法,并应用机器学习方法建立小麦冠层叶绿素含量估测模型.熵权法通过信息熵来衡量颜色特征指标权重,实现冠层图像特征排序,机器学习方法选用多元线性回归(Multiple linear regression,MLR)、岭回归(Ridge regression,RR)和支持向量回归模型(Support vector regression,SVR)估测小麦冠层叶绿素含量.试验结果表明,与皮尔逊相关系数法和主成分分析法选取的特征集进行对比,熵权法得到a*、R-G-B、R-G、(a*+b*)/L、a*/b*、(R-G)/(R+G+B)、(R-B)/(R+B)、H/S、(R-G)/(R+G)等9个特征组成的特征集,可以利用较少的特征指标达到最优的预测效果.在选取相同特征指标参数的情况下,SVR的预测能力优于其它模型,其R2和RMSE的平均值分别为0.80、1.89,相比于MLR和RR模型 R2分别提升2.8％、1.1％,RMSE分别下降0.13和0.05.将基于熵权法建立的SVR模型应用到2021年采集的小麦冠层图像数据,结果表明模型具有很好的稳定性.
文献关键词：
小麦冠层;叶绿素估测;颜色特征选择;信息熵
中图分类号：
作者姓名：
苑迎春;周毅;宋宇斐;徐铮;王克俭
作者机构：
河北农业大学信息科学与技术学院,保定071001;河北省农业大数据重点实验室,保定071001;石家庄学院计算机科学与工程学院,石家庄050035
文献出处：
引用格式：
[1]苑迎春;周毅;宋宇斐;徐铮;王克俭-.基于信息熵特征选择的小麦冠层叶绿素含量估测方法)[J].农业机械学报,2022(08):186-195
A类：
颜色特征选择,R+B,叶绿素估测
B类：
信息熵,熵特征,小麦冠层,冠层叶绿素含量,图像颜色特征,选择方法,机器学习方法,估测模型,特征指标,图像特征,特征排序,Multiple,linear,regression,MLR,岭回归,Ridge,RR,支持向量回归模型,Support,vector,SVR,皮尔逊相关系数,相关系数法,征集,+b,R+G+B,标达,指标参数,预测能力,RMSE,别下,模型应用,图像数据
AB值：
0.285633
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
