摘要
本发明公开了利用植物叶片性状预测植物光合能力的方法,涉及农业科学技术领域,包括以下步骤:通过高分辨率成像设备获取目标植物叶片在自然状态下的图像数据,并同步记录采集时的环境参数信息;基于图像数据提取叶片的多维性状特征参数,包括颜色指标、纹理特征、面积、厚度估计值和边缘轮廓形态;利用环境参数与叶片性状的关联规则对性状数据进行应激特征识别。本发明通过引入应激识别与数据修正机制,提高了光合能力预测的准确性;具备良好的环境适应性与作物通用性,适用于多种农业场景;构建预测反馈闭环系统,实现模型的持续优化与智能调节,显著增强了系统的稳定性、可靠性与实际应用价值。
技术关键词
高分辨率成像
梯度提升决策树
浅层神经网络
环境参数信息
支持向量回归
评估指标体系
纹理特征
反馈评价机制
叶绿素荧光参数
色彩
形态
图像模糊校正
植物叶片图像
边缘轮廓
优化预测模型
农业科学技术
集成学习模型