基于颜色参数和BP神经网络的紫叶李叶片花青素含量估算

作者：刘秀英; 余俊茹; 刘长秀; 邓小菲

来源：西北林学院学报, 2022, 37(06): 145-152.

• BP神经网络
• 花青素
• 数码相机
• 颜色参数
• 紫叶李

目前对植物叶片花青素含量的测定主要是湿化学法和高效液相色谱法(high performance liquid chromatography, HPLC),为简化测定方法，降低成本和提高精度，提出一种利用数码相机获取照片提取的颜色参数构建模型无损估测植物叶片花青素含量的方法。试验测定166份紫叶李叶片的花青素含量及其RGB特征值，对15种颜色参数进行皮尔逊相关分析，构建逐步多元线性回归(stepwise multiple linear regression, SMLR)、一元线性回归(single linear regression, SLR)和BP神经网络(BP neural network, BPNN)估算模型；同时对模型进行验证和比较。结果表明，1)BP神经网络模型建模集的R2、RMSE和MAE分别为0.883、0.412、0.323,验证集的R2、RMSE和MAE分别为0.796、0.462和0.353,相关系数均达到极显著水平；一元线性回归模型中，参数G-B与花青素含量的线性相关性最强，相关系数为-0.820,达到极显著水平；逐步多元线性回归模型的相关系数均达极显著水平，其中建模集的R2、RMSE和MAE分别为0.724、0.630、0.459,验证集的R2、RMSE和MAE分别为0.643、0.616和0.509。2)颜色参数与花青素含量之间具有明显的相关性，利用数码相机获取的颜色特征值估测紫叶李叶片花青素含量具有可行性；3)3种模型中，BP神经网络模型的估测效果最好，能有效地估测紫叶李叶片花青素含量，其次为逐步多元线性回归，一元线性回归模型的预测效果相对较差。

• 单位
  河南科技大学; 绵阳师范学院