来源：中国棉花
叶面积是反映植物生长发育与生理特性的重要指标，而传统直接测量方法往往会对植株造成损伤。
近日，巴西Universidade Federal Rural do Semi-Árido的SILVA RIBEIRO João Everthon da等在Journal of Cotton Research发表题为“Nondestructive prediction of leaf area in colored cotton cultivars: a comparative approach using machine learning models with an interactive web interface”（彩色棉叶面积无损预测：基于机器学习模型比较与交互式网页界面实现）的研究论文。
本研究采用支持向量回归（support vector regression，SVR）、自适应神经模糊推理系统（adaptive neuro-fuzzy inference system，ANFIS）和深度多层感知器（deep multilayer perceptron，DMLP）等多种机器学习模型，并结合线性回归模型（linear regression，LRM），对5个彩色棉花品种的叶面积进行无损预测。本研究共采集1 334片叶片，通过数字化图像测定其叶片长度（L）、宽度（W）和叶面积（LA）；70%的数据用于模型训练、30%的数据用于验证。采用决定系数（R2）、均方根误差、平均绝对误差、平均绝对百分比误差及Willmott一致性指数对模型性能进行评价。
结果显示，机器学习模型在叶面积估算精度上显著优于线性回归模型，其中表现突出的包括采用三角隶属度函数的ANFIS模型、结构为2-16-16-1-的DMLP模型以及采用径向基函数核的SVR模型。ANFIS与DMLP模型的决定系数最高（R2=0.979 3），SVR模型次之（R2=0.979 0），且三者误差均最小。在线性模型中，采用L×W乘积的LRM效果最优（R2=0.978 3）。
依据各项模型评价指标，机器学习模型对彩色棉叶面积的无损预测具有更高的准确性。本研究将表现最优的径向基函数核SVR模型集成至交互式网页应用程序中，以期通过精准、无损的数据获取优化作物栽培管理。
彩色棉叶片长度和宽度对应的叶面积等高线图。A）实测叶面积；B）支持向量回归模型；C）自适应神经模糊推理系统模型；D）深度多层感知器模型；E）线性回归模型。每条彩色线（等值线）连接了叶片长度和宽度的组合，这些组合对应相同的叶面积。
巴西Universidade Federal Rural do Semi-Árido的SILVA RIBEIRO João Everthon da为论文第一作者和通信作者。本研究得到了Coordination for the Advancement of Higher Education Personnel和National Council for Scientific and Technological Development的资助支持。
Title:Nondestructive prediction of leaf area in colored cotton cultivars: a comparative approach using machine learning models with an interactive web interface
Authors: SILVA RIBEIRO João Everthon da, SILVA Antonio Gideilson Correia da, ALMEIDA OLIVEIRA Pablo Henrique de, SANTOS COÊLHO Ester dos, FAGUNDES Rislayne Ingrid, MELO Ramon Silva, SOUZA MORAIS Carlos Daniel de, SANTOS Diego Mendonça, SILVEIRA Lindomar Maria da & BARROS JÚNIOR Aurélio Paes
Journal of Cotton Research.2026, 9: 11
https://doi.org/10.1186/s42397-025-00256-8
版权声明
凡本公众号注明“原创”的作品(含文字、图片、图表、数据)，如需转载请注明出处，并添加源链接。
热门跟贴