典型文献
无人机可见光谱识别越冬期油菜叶片叶绿素含量估测研究
文献摘要：
本研究利用湖南农业大学耘园基地60个不同种类油菜越冬期叶绿素含量及叶片SPAD值,结合无人机可见光谱数据进行相关分析.利用Matlab 2020a图像处理系统软件进行图像分析,获取图像中的各项颜色特征,筛选出B、G/R、G/B、G/(R+B)、(G-R)/B、(G-B)/R、(G-R)/(G+R)、(G-B)/(G+B)、(G-R)/(R+G+B)和(G-B)/(R+G+B)等10个与油菜SPAD值显著相关的颜色特征,采用BP神经网络(BPNN)、多元逐步回归(MSR)和多元线性回归(MLR)方法分别构建油菜SPAD值分析模型.结果表明,3种分析方法中,BP神经网络模型精度最高,其模型的R2、RMSE分别为0.461、2.147,模型验证的R2、RMSE、RPD分别为0.367、2.012、1.642.综合分析,无人机可见光谱图像结合BP神经网络模型可以监测不同类型油菜越冬期叶绿素的含量及油菜田间长势.本研究可为降低油菜田间调查成本和促进油菜效益提高及规模化生产提供参考.
文献关键词：
甘蓝型油菜;SPAD;无人机可见光谱;图像颜色特征;BP神经网络
中图分类号：
作者姓名：
严薇;唐乐;彭佳元;刘文祥;张振乾
作者机构：
湖南农业大学农学院,湖南 长沙 410128;湖南省农业信息与工程研究所,湖南 长沙 410125
文献出处：
引用格式：
[1]严薇;唐乐;彭佳元;刘文祥;张振乾-.无人机可见光谱识别越冬期油菜叶片叶绿素含量估测研究)[J].作物研究,2022(06):514-518
A类：
无人机可见光谱,R+B,G+R,G+B
B类：
光谱识别,越冬期,菜叶,叶片叶绿素含量,估测,研究利用,湖南农业,农业大学,SPAD,光谱数据,Matlab,2020a,图像处理系统,系统软件,图像分析,R+G+B,BPNN,多元逐步回归,MSR,MLR,模型精度,RMSE,模型验证,RPD,光谱图像,菜田,长势,田间调查,进油,规模化生产,甘蓝型油菜,图像颜色特征
AB值：
0.288876
相似文献
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。
