文献类型： 中文期刊

作者： 王亚茹 ¹ ; 韩迎春 ² ; 雷亚平 ² ; 杨北方 ² ; 熊世武 ² ; 焦亚辉 ² ; 马云珍 ² ; 李亚兵 ² ; 支晓宇 ² ;

作者机构： 1.中国农业科学院棉花研究所/棉花生物育种与综合利用全国重点实验室

2.null

关键词： RGB图像;随机森林算法;分类;棉花

期刊名称： 棉花学报

ISSN： 1002-7807

年卷期： 2025 年 37 卷 002 期

页码： 94-105

收录情况： 北大核心 ; CSCD

摘要： 【目的】棉种的精准识别对育种、栽培管理、病虫害防控至关重要。而传统的人工识别方法主观性强且效率低。基于红绿蓝（red, green, and blue, RGB）图像与随机森林（random forest, RF）算法构建了棉花快速分类模型，实现棉种的自动识别。【方法】田间种植草棉、亚洲棉、海岛棉和陆地棉，在蕾期和花铃期采集叶片的RGB图像，并提取颜色和形态特征参数。基于提取的特征数据，分别构建了3种RF模型：基于蕾期叶片特征的模型、基于花铃期叶片特征的模型以及综合蕾期和花铃期叶片特征的模型。随后，对各个模型的分类性能进行评估，并通过特征重要性分析确定影响棉种识别的关键特征。还对比了RF、支持向量机和K最近邻3种算法的分类效果。【结果】结合蕾期和花铃期叶片特征的分类模型准确性最高，总体精度达到了97.71%,Kappa系数为0.95，优于基于单一生育期特征的模型。特征重要性分析表明，叶片面积和圆度在棉种识别中具有重要作用。此外，RF的分类性能优于支持向量机和K最近邻法，表现出更高的稳定性和准确性。【结论】本研究提出的基于蕾期和花铃期叶片的RGB图像和RF算法的棉种识别方法，无需复杂的图像预处理，能自动高效识别海岛棉、陆地棉、亚洲棉和草棉，可以为作物精细管理和农业领域的机器学习算法应用提供新思路和技术支持。