【目的】应用深度学习模型开展基于智能手机图像颜色参数的土壤有机质估测,并评价应用效果。【方法】在自制光学暗室中拍摄728个风干、过筛后的土壤样本,对所得图像进行预处理后得到其红色(R)、绿色(G)、蓝色(B)、色调(H)、饱和度(S)和明度(V)六个颜色通道的中值和均值,分别建立卷积神经网络(CNN)、长短期记忆网络(LSTM)和随机森林(RF)模型,并使用基于树形结构Parzen估计器的贝叶斯方法进行参数优化,进而估测土壤有机质(SOM)含量,并对估测结果的准确度进行五折交叉验证。【结果】CNN、LSTM和RF三种模型均有着良好的估测准确度,决定系数(R2)范围为0.732~0.856,均方根误差(RMSE)范围为4.721~6.455 g kg^(-1),一致性相关系数(CCC)范围为0.843~0.917;其中,基于全部颜色参数的RF模型有着最优的估测效果,且R值、V值是该模型中最重要的参数;总体上,估测准确度的排序为RF略优于CNN,而CNN又略优于LSTM。【结论】CNN和LSTM在基于智能手机图像颜色参数估测土壤有机质中有着良好的准确度,但在小样本量的情况下,CNN、LSTM模型的准确度略低于RF。
暂无评论