文献

J-GLOBAL ID：202102237160052925   整理番号：21A1100149

画像特徴に基づくイネ葉の全窒素推定モデル研究【JST・京大機械翻訳】

Study on estimation model of total nitrogen content in rice leaves based on image characteris-tics

著者 (5件)： Yang Hongyun (江西農業大学 軟件学院/江西省高等学校農業信息技術重点実験室,江西 南昌330045) ,  Luo Jianjun (江西農業大学 計算机与信息工程学院,江西 南昌330045) ,  Sun Aizhen (江西農業大学 計算机与信息工程学院,江西 南昌330045) ,  Wan Ying (江西農業大学 計算机与信息工程学院,江西 南昌330045) ,  Yi Wenlong (江西農業大学 軟件学院/江西省高等学校農業信息技術重点実験室,江西 南昌330045)
資料名： Zhejiang Nongye Xuebao  (Zhejiang Nongye Xuebao)
巻： 32  号： 12  ページ： 2232-2243  発行年： 2020年 
JST資料番号： C3051A  ISSN： 1004-1524  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： イネ葉の生長外部色、幾何形態特徴とその全窒素含有量間の定量的記述関係を検討し、水稲の窒素栄養状況を迅速かつ正確に診断することができる。全窒素含有量の感受性葉位を選別し、多重線形回帰と機械学習方法に基づく水稲敏感葉位全窒素推定モデルを比較し、高性能の窒素栄養定量診断モデルを構築するための考え方と方法を提供した。水稲畑の試験は2017-2018年に江西省南昌市新農場で行われ、供試水稲品種は両優培九であり、4つの窒素施肥レベル(窒素施肥水準は低から高まで0、210、300と390kg・hm-2)を設けた。水稲の幼穂分化期と穂揃い期において、それぞれ水稲の頂部の第一完全展開葉葉(頂1葉)、頂部第二完全展開葉葉(頂2葉)および頂部第三完全展開葉葉(頂3葉)画像を取得し、合計4800枚の画像を得た。25のイネの走査葉の色と幾何学的形態を画像処理技術で獲得し,多重線形回帰を用いて全窒素含有量を推定し,2つの時期の敏感な葉位を選別し,機械学習法を用いてイネの敏感な葉位の全窒素含有量の推定モデルを構築した。人工的測定と比較して,画像処理法によって得たイネ葉の平均相対誤差は,それぞれ0.328%と3.404%であった。幼穂分化期頂3葉と穂期頂2葉は他の同期葉位より敏感で、幼穂分化期頂3葉に最も敏感であった。機械学習によって確立したイネの敏感な葉位の全窒素推定モデルは,多重線形回帰モデルよりわずかに優れ,BPニューラルネットワークによってモデル化し,RMSEv=0.089,MREv=0.034,R2v=0.887であった。2葉モデル検証セットのRMSEv=0.132,MREv=0.046,R2v=0.820。幼穂分化期頂3葉と穂揃い期頂2葉の葉身画像特徴は最も代表性があり、全窒素含有量推定は実行可能であり、水稲の窒素栄養診断の有効葉位として用いることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 感受性 ,  分化 ,  画像処理 ,  画像特性 ,  品種 ,  農場 ,  *水稲 ,  葉身 ,  機械学習
準シソーラス用語： モデル検証 ,  相対誤差 ,  *推定モデル ,  *全窒素 ,  窒素施肥 ,  多重線形回帰 , 【Automatic Indexing@JST】

分類 (2件)： 稲作  (FC03020C) ,  施肥法・肥効  (FB05030Y)

タイトルに関連する用語 (6件)： 画像特徴 ,  イネ ,  葉 ,  全窒素 ,  推定モデル ,  研究