基于多重分形去趋势移动平均分析的油菜叶片氮素营养诊断建模

为识别和诊断不同施氮水平下油菜叶片纹理特征,利用多重分形去趋势移动平均分析(MFDMA),分别计算θ=0,θ=0.5,θ=1下油菜叶片图像的11个全局广义Hurst指数和其他6种相关的多重分形特征参数。利用不同的特征参数组合分别对基部叶片、中部叶片和顶部叶片进行氮素营养诊断识别。结果表明θ=0时诊断效果优于θ=0.5和θ=1;并且在θ=0时,基部叶片和中部叶片诊断效果优于顶部叶片,表明基部和中部叶片对氮素敏感性强于顶部。对3个部位混合的油菜样本进行施氮适中和亏缺两类定性诊断,结果表明支持向量机和随机森林这2种分类方法最佳,最佳识别准确率分别为95.81%和96.63%。说明该模型具有良好的有效性。