为基于烟叶外观表型对鲜烟叶成熟度进行智能化判定,在拓展叶片RGB(Red Green Blue)颜色模型图像色彩信息参数的基础上,构建并比较分析了不同参数体系、建模方式下的鲜烟叶成熟度的判定模型。结果表明:①不同成熟度的鲜烟叶叶色偏态参数...为基于烟叶外观表型对鲜烟叶成熟度进行智能化判定,在拓展叶片RGB(Red Green Blue)颜色模型图像色彩信息参数的基础上,构建并比较分析了不同参数体系、建模方式下的鲜烟叶成熟度的判定模型。结果表明:①不同成熟度的鲜烟叶叶色偏态参数间存在显著差异,且不同叶色信息参数随着成熟度的提高呈现不同的变化规律;②采用反向传递神经网络(Back Propagation Neural Network,BPNN)构建的鲜烟叶成熟度判定模型的拟合度均优于采用多元逐步回归法。同时,叶色偏态参数可明显提高BPNN模型对鲜烟叶成熟度的判定准确度,其中基于叶色偏态参数构建的BPNN模型综合表现最优,尤其是在不同生产年份的鲜烟叶成熟度预测方面,模型表现出明显优势。因此,采用基于叶色偏态参数的BPNN模型可对鲜烟成熟度进行准确判定。展开更多