文献类型： 中文期刊

作者： 钟培阁 ¹ ; 周也莹 ¹ ; 张彦 ² ; 石屹 ² ; 郭焱 ¹ ; 李保国 ¹ ; 马韫韬 ¹ ;

作者机构： 1.中国农业大学土地科学与技术学院

2.中国农业科学院烟草研究所

关键词： 几何形态学;标志点法;烟草;叶形;机器学习

期刊名称： 浙江大学学报(农业与生命科学版)

ISSN： 1008-9209

年卷期： 2022 年 48 卷 004 期

页码： 533-542

收录情况： 北大核心 ; CSCD

摘要： 本研究采用标志点法并基于39个烟草品种叶片图像提取叶形信息,比较分析了不同生长时期、不同品种和不同叶位间的叶形差异.采用主成分分析法实现数据降维并对叶形差异进行可视化表达,采用决策树、随机森林和支持向量机法对不同类型叶形进行判别分析.主成分分析结果表明,烟草叶片间差异的主要来源分别为叶片宽和最大宽位置、叶片扭转程度以及叶柄部3方面,分别占总差异的42.7%、21.3%、10.7%.叶形判别结果表明,采用标志点数据的判别精度为52%~62%,而采用常用叶形指标的判别精度为51%~54%.上部叶、中部叶的判别精度高于下部叶10%左右,具有更明显的品种特征.团棵期叶片由于处于营养生长期,判别精度低于开花期叶片近10%.去除12类非典型品种后,标志点法判别精度上升至77%.标志点数据在叶形信息提取上的效果优于常用叶形指标,为叶形信息的自动化提取提供了新的思路.