《农业工程学报》2024年第40卷第15期刊载了华南农业大学等单位冯健昭、潘永琪、熊悦淞、吴彻与肖德琴的论文——“基于mRMR-XGBoost的水稻关键生育期识别”。该研究由国家自然科学基金项目(项目号：U23A20174)资助。
引文信息：冯健昭，潘永琪，熊悦淞，等. 基于mRMR-XGBoost的水稻关键生育期识别[J]. 农业工程学报，2024，40(15)：111-118.
DOI: 10.11975/j.issn.1002-6819.202312001
研究目的与方法：
针对目前使用无人机识别水稻关键生育期时光谱数据特征维度高和冗余，导致模型准确率和泛化能力不足的问题，该研究提出一种基于最优特征组合的水稻关键生育期（分蘖期、拔节期、抽穗期、乳熟期、完熟期）识别方法。
首先使用无人机采集田间光谱图像，基于相对植被指数和迭代自组织数据分析算法对光谱图像进行分割，以有效提取水稻冠层区域。然后对水稻生育期的关键特征进行表达，采用最小冗余特征选择算法对特征进行重要性排序，并通过增量分组法确定最优特征组合。最后基于极度梯度提升算法构建水稻生育期的识别模型。
结果与结论：
对比试验结果显示，本文模型对5个关键生育期的识别较好，混淆情况少，对水稻分蘖期、拔节期、抽穗期、乳熟期和完熟期识别精确率分别为98.08%、100.00%、99.68%、97.50%和99.29%，整体识别精确率达到98.77%，F1值为0.9891，Kappa系数为0.984，相比于SVM(支持向量机)分别提高了1.59个百分点、0.014 6和0.02，相比于RF(随机森林)分别提升了1.23个百分点、0.011和0.015。研究结果可为田间作物的精准管理和决策提供重要依据。
本文由丨《农业工程学报》编辑部丨精编发布
欢迎留言、分享、点赞
转载、投稿、咨询
邮箱：tcsae@tcsae.org
发布征集
欢迎广大作者、读者投稿至我刊公众号，包括但不限于创新科研成果、科技写作技巧、书籍推介、优秀科技工作者介绍、科研团队招聘/招生、行业资讯以及相关活动等农业工程领域信息。
公众号文章投稿邮箱：abe-newmedia@tcsae.org
»» 点击 阅读原文 免费获取全文
