文献类型：期刊文章

作　　者：柴宏红[1] 邵科[2] 于超[2] 邵金旺[2] 王瑞利[2] 随洋[2] 白凯[3] 刘云玲[1] 马韫韬[1]

Chai Honghong;Shao Ke;Yu Chao;Shao Jinwang;Wang Ruili;Sui Yang;Bai Kai;Liu Yunling;Ma Yuntao(North China Key Laboratory of Arable Land Conservation,Ministry of Agriculture,College of Land Science and Technology,China Agricultural University,Beijing 100193,China;Inner Mongolia Key Laboratory of Molecular Biology of Characteristic Plants,Inner Mongolia Institute of Biotechnology,Huhhot 010070,China;Hulunbuir Ecological Environment Monitoring Station of the Inner Mongolia,Hulunbuir 021008,China)

机构地区：[1]中国农业大学土地科学与技术学院农业部华北耕地保育重点实验室,北京100193 [2]内蒙古自治区特色植物分子生物学重点实验室,内蒙古自治区生物技术研究院,呼和浩特010070 [3]内蒙古自治区呼伦贝尔生态环境监测站,呼伦贝尔021008

出　　处：《农业工程学报》

基　　金：内蒙古自治区科技重大专项和科技成果重大转化项目。

年　　份：2020

卷　　号：36

期　　号：10

起止页码：181-188

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为挑选产糖量高且适合机械化收获的甜菜根型,该文基于多视角图像序列,构建了207个基因型甜菜根的三维点云模型。基于三维点云提取了描述甜菜根形态特征的10个表型参数:最大直径、根长、凸包体积、顶投影面积、紧凑度、凸起率、凸起角、根头比、根尾比和根体渐细指数。与人工测定的最大直径和根长值进行校验,决定系数R^2均在0.95以上。其中根长、凸包体积及顶投影面积与生产指标呈极显著(P<0.01)相关关系。采用稳定性较高的K-medoids聚类算法将甜菜根型分为4类,结合专家知识获取理想根构型的主要特征为根型中等长度、比例适中。采用线性判别、随机森林、支持向量机、决策树和朴素贝叶斯5种预测模型进行根型判别。结果表明5种根系判别模型预测准确率均在70.0%以上,随机森林判别准确率达到81.4%。研究结果将为培育高品质和适应机械化生产的甜菜品种提供依据。

关 键 词：图像处理 机器学习  三维点云 甜菜 根型  表型 分类  

分 类 号：TP391.4]