摘要： 为实现小麦叶片含水量精准检测,该文提出基于主成分分析(Principal Component Analysis,PCA)和长短时记忆网络(long Short-Term Memory,LSTM)构建预测模型对小麦叶片含水量进行精准检测。试验以济麦22号小麦为研究对象,均匀划分其种植区域并灌溉不同水量以作叶片水分梯度分析;然后采集叶片图像并提取叶片R、G、B颜色特征值,运用灰度梯度共生矩阵提取均值、灰度熵、逆差距、梯度熵、混合熵、惯性、等15个纹理特征值,形状特征值提取面积、宽、伸缩率;最后基于主成分分析对提取特征值进行降维处理,并分别应用BP神经网络、支持向量机(Support Vector Machine,SVM)进行检测对比。试验证明:该模型平均绝对误差、平均绝对百分误差、均方根误差分别为0.002、0.002和0.011,均优于传统预测方法,具有良好的预测性能和泛化能力。由此表明,该方法切实可行,能够满足小麦叶片水分预测的实际需要,为后期研发智能灌溉系统提供坚实理论指导。

关键词: 含水量, 梯度分析, 特征值, LSTM, 预测性能

中图分类号: 

• TP391.41

• S512.1