基于综合因子载荷得分法的烤烟群体等级分级模型研究

doi:10.11923/j.issn.2095-4050.cjas2024-0148

农学学报 ›› 2025, Vol. 15 ›› Issue (1): 75-80.doi: 10.11923/j.issn.2095-4050.cjas2024-0148

• 农业工程农业机械生物技术食品科学 • 上一篇下一篇

基于综合因子载荷得分法的烤烟群体等级分级模型研究

蓝周焕¹(), 杨美林¹, 童德文¹, 石三三¹, 林博雅¹, 陈添昌¹, 王旭², 江海东³()

¹ 龙岩市烟草公司武平分公司，福建武平 364300
² 山东中烟工业有限责任公司物资采购中心，济南 250000
³ 南京农业大学，南京 210095

收稿日期:2024-07-24 修回日期:2024-09-03 出版日期:2025-01-20 发布日期:2025-01-13
通讯作者:
江海东，男，1968年出生，江苏江阴人，副教授，博士，主要从事作物栽培与作物信息技术研究。通信地址：210095 江苏省南京市卫岗1号南京农业大学，Tel：025-84395713，E-mail：hdjiang@njau.edu.cn。
作者简介:
蓝周焕，男，1971年出生，福建上杭人，农艺师，学士，主要从事烟叶生产管理。通信地址：364300 福建省龙岩市武平县平川镇教育路1号龙岩市烟草公司武平分公司，Tel：0597-4822399，E-mail：lzhfjly@163.com。
基金资助:
福建省烟草公司龙岩市公司科技项目“初烤烟叶全杆智能等级分级系统的研发”(LK-202309)

Research on Tobacco Plant Population Grade Classification Model Based on Comprehensive Factor Loading Score Method

LAN Zhouhuan¹(), YANG Meilin¹, TONG Dewen¹, SHI Sansan¹, LIN Boya¹, CHEN Tianchang¹, WANG Xu², JIANG Haidong³()

¹ Wuping Branch of Longyan Tobacco Company, Wuping Fujian 364300
² Material Purchasing Center, China Tobacco Shandong Industry Company Limited, Jinan 250000
³ Nanjing Agricultural University, Nanjing 210095

Received:2024-07-24 Revised:2024-09-03 Online:2025-01-20 Published:2025-01-13

摘要/Abstract

摘要：

为解决现有烤烟智能分级模型效率较低的问题，以烤烟群体数码图像为处理对象，以不同等级烤烟群体RGB颜色模型偏态参数、Lab颜色模型参数、HSV颜色模型参数、叶面纹理参数等4类31个表型参数为输入变量，构建基于贝叶斯分类算法的烤烟群体等级分级模型F₁。在此基础上，提出并验证以综合因子载荷得分法获得的核心参数作为输入变量所构建的分级模型F₂，F₂整体准确度达到了82.24%，较F₁模型提升了12.82%，且5个等级判定准确度都超过了70%，可为高效、实用烤烟智能化收购系统的开发提供应用基础理论。

关键词: 因子分析, 数码图像复合表型, 贝叶斯分类, 烤烟等级, 群体分级, 智能分级模型

Abstract:

To address the issue of low efficiency in existing intelligent tobacco grading models, this study focused on digital images of tobacco plant populations. Taking 31 phenotypic parameters from four main categories, including RGB color model skewness parameters, Lab color model parameters, HSV color model parameters, and leaf texture parameters, as input variables, a tobacco plant population grade classification model F₁ based on the Bayesian classification algorithm was constructed. Furthermore, a core parameter-based classification model F₂, utilizing the comprehensive factor loading score method, was proposed and verified. The overall accuracy of model F₂ reached 82.24%, representing a 12.82% improvement compared to model F₁, and the accuracy of all five grade judgments exceeded 70%. This study provides an applied theoretical basis for the development of an efficient and practical intelligent tobacco purchasing system.

Key words: factor analysis, digital image composite phenotype, Bayesian classification, flue-cured tobacco grade, population grading, intelligent grading model

蓝周焕, 杨美林, 童德文, 石三三, 林博雅, 陈添昌, 王旭, 江海东. 基于综合因子载荷得分法的烤烟群体等级分级模型研究[J]. 农学学报, 2025, 15(1): 75-80.

LAN Zhouhuan, YANG Meilin, TONG Dewen, SHI Sansan, LIN Boya, CHEN Tianchang, WANG Xu, JIANG Haidong. Research on Tobacco Plant Population Grade Classification Model Based on Comprehensive Factor Loading Score Method[J]. Journal of Agriculture, 2025, 15(1): 75-80.

图/表 5

参考文献 18

[1]	赵春江. 植物表型组学大数据及其研究进展[J]. 农业大数据学报, 2019, 1(2):5-18. doi: 10.19788/j.issn.2096-6369.190201
[2]	王士鑫. 基于卷积神经网络(CNN)的烤烟烟叶质量分级研究[D]. 昆明: 云南师范大学, 2020.
[3]	苏明秋. 基于烟叶图像的参数精确提取和分级识别系统研究与实现[D]. 成都: 电子科技大学, 2020.
[4]	庄珍珍, 祝诗平, 孙雪剑, 等. 基于机器视觉的烟叶自动分组方法[J]. 西南师范大学学报(自然科学版), 2016, 41(4):122-129.
[5]	童德文, 陈钰, 杜超凡, 等. 开放环境下烟叶等级RGB图像智能识别及判别模型的构建[J]. 贵州农业科学, 2020, 48(3):131-135.
[6]	刘剑君, 申金媛, 张乐明, 等. 基于红外光谱的烟叶自动分级研究[J]. 激光与红外, 2011, 41(9):986-990.
[7]	宾俊, 周冀衡, 范伟, 等. 基于NIR技术和ELM的烤烟烟叶自动分级[J]. 中国烟草学报, 2017, 23(2):60-68.
[8]	CHEN Z M, WANG F Z, ZHANG P, et al. Skewed distribution of leaf color RGB model and application of skewed parameters in leaf color description model[J]. Plant methods, 2020, 16:23. doi: 10.1186/s13007-020-0561-2 pmid: 32127910
[9]	沈平, 童德文, 陈郑盟, 等. 基于叶色偏态分布模式的鲜烟叶成熟度判定[J]. 烟草科技, 2021, 54(8):26-35.
[10]	张佩, 陈郑盟, 马顺登, 等. 用冠层叶色偏态分布模式RGB模型预测大豆产量[J]. 农业工程学报, 2021, 37(9):120-126.
[11]	林天然, 姚争毅, 常鹏飞, 等. 基于叶片图像复合参数的烟叶成熟度判定模型[J]. 贵州农业科学, 2022, 50(8):134-141.
[12]	林润英, 施伟平, 童德文, 等. 基于植物表型复合参数体系的烤烟等级初分检测方法[J]. 江西农业学报, 2023, 35(5):122-129.
[13]	张佩, 陈郑盟, 刘春伟, 等. 冬小麦产量结构要素预报方法[J]. 农业工程学报, 2020, 36(8):78-87.
[14]	周济, TARDIEU F, PRIDMORE T, 等. 植物表型组学:发展、现状与挑战[J]. 南京农业大学学报, 2018, 41(4):580-588.
[15]	张慧春, 周宏平, 郑加强, 等. 植物表型平台与图像分析技术研究进展与展望[J]. 农业机械学报, 2020, 51(3):1-17.
[16]	赵羡波, 林国健, 林志华, 等. SBSM对开放环境下多色叶片RGB图像背景的精确分离[J]. 贵州农业科学, 2020, 48(11):166-172.
[17]	袁培森, 李润隆, 任守纲, 等. 表示学习技术研究进展及其在植物表型中应用分析[J]. 农业机械学报, 2020, 51(6):1-14.
[18]	NAGANO A, SATO Y, MIHARA M, et al. Deciphering and prediction of transcriptome dynamics under fluctuating field conditions[J]. Cell, 2012(6):1358-1369. doi: 10.1016/j.cell.2012.10.048 pmid: 23217716

参数体系	特征参数			相关系数	显著性
RGB颜色模型偏态参数	红通道色阶的均值R_Mean			0.560^**	<0.000
	红通道色阶的中位数R_Median			0.569^**	<0.000
	红通道色阶的众数R_Mode			0.455^**	<0.000
	红通道色阶的偏度R_Skewness			-0.718^**	<0.000
	红通道色阶的峰度R_Kurtosis			0.688^**	<0.000
	绿通道色阶的均值G_Mean			0.535^**	<0.000
	绿通道色阶的中位数G_Median			0.564^**	<0.000
	绿通道色阶的众数G_Mode			0.460^**	<0.000
	绿通道色阶的偏度G_Skewness			-0.749^**	<0.000
	绿通道色阶的峰度G_Kurtosis			0.701^**	<0.000
	蓝通道色阶的均值B_Mean			0.412^**	<0.000
	蓝通道色阶的中位数B_Median			0.482^**	<0.000
	蓝通道色阶的众数B_Mode			0.456^**	<0.000
	蓝通道色阶的偏度B_Skewness			-0.556^**	<0.000
	蓝通道色阶的峰度B_Kurtosis			0.316^**	<0.000
	灰度图像色阶的均值Y_Mean			0.546^**	<0.000
	灰度图像色阶的中位数Y_Median			0.569^**	<0.000
	灰度图像色阶的众数Y_Mode			0.471^**	<0.000
	灰度图像色阶的偏度Y_Skewness			-0.744^**	<0.000
	灰度图像色阶的峰度Y_Kurtosis			0.700^**	<0.000
Lab颜色模型参数	亮度L			0.553^**	<0.000
	a通道值a			-0.462^**	<0.000
	b通道值b			0.557^**	<0.000
HSV颜色模型参数		色调H	0.374^**		<0.000
		饱和度S	-0.479^**		<0.000
		明度V	0.094		0.171
叶面纹理参数		对比度CON	-0.581^**		<0.000
		相关度COR	0.497^**		<0.000
		熵ENT	0.316^**		<0.000
		同质性HOM	0.641^**		<0.000
		对角二阶炬ASM	0.151^*		0.027

参数体系	特征参数			相关系数	显著性
RGB颜色模型偏态参数	红通道色阶的均值R_Mean			0.560^**	<0.000
	红通道色阶的中位数R_Median			0.569^**	<0.000
	红通道色阶的众数R_Mode			0.455^**	<0.000
	红通道色阶的偏度R_Skewness			-0.718^**	<0.000
	红通道色阶的峰度R_Kurtosis			0.688^**	<0.000
	绿通道色阶的均值G_Mean			0.535^**	<0.000
	绿通道色阶的中位数G_Median			0.564^**	<0.000
	绿通道色阶的众数G_Mode			0.460^**	<0.000
	绿通道色阶的偏度G_Skewness			-0.749^**	<0.000
	绿通道色阶的峰度G_Kurtosis			0.701^**	<0.000
	蓝通道色阶的均值B_Mean			0.412^**	<0.000
	蓝通道色阶的中位数B_Median			0.482^**	<0.000
	蓝通道色阶的众数B_Mode			0.456^**	<0.000
	蓝通道色阶的偏度B_Skewness			-0.556^**	<0.000
	蓝通道色阶的峰度B_Kurtosis			0.316^**	<0.000
	灰度图像色阶的均值Y_Mean			0.546^**	<0.000
	灰度图像色阶的中位数Y_Median			0.569^**	<0.000
	灰度图像色阶的众数Y_Mode			0.471^**	<0.000
	灰度图像色阶的偏度Y_Skewness			-0.744^**	<0.000
	灰度图像色阶的峰度Y_Kurtosis			0.700^**	<0.000
Lab颜色模型参数	亮度L			0.553^**	<0.000
	a通道值a			-0.462^**	<0.000
	b通道值b			0.557^**	<0.000
HSV颜色模型参数		色调H	0.374^**		<0.000
		饱和度S	-0.479^**		<0.000
		明度V	0.094		0.171
叶面纹理参数		对比度CON	-0.581^**		<0.000
		相关度COR	0.497^**		<0.000
		熵ENT	0.316^**		<0.000
		同质性HOM	0.641^**		<0.000
		对角二阶炬ASM	0.151^*		0.027

实测等级	判定等级					准确度/%
实测等级	B₂F	B₃F	C₂F	C₃F	X₂F	准确度/%
B₂F	28	9	7	0	1	62.22
B₃F	4	36	0	0	0	90.00
C₂F	2	0	38	2	2	86.36
C₃F	0	0	0	34	7	82.93
X₂F	6	0	6	12	20	45.45

实测等级	判定等级					准确度/%
实测等级	B₂F	B₃F	C₂F	C₃F	X₂F	准确度/%
B₂F	28	9	7	0	1	62.22
B₃F	4	36	0	0	0	90.00
C₂F	2	0	38	2	2	86.36
C₃F	0	0	0	34	7	82.93
X₂F	6	0	6	12	20	45.45

综合因子	特征值	方差贡献率/%	累计方差贡献率/%
1	21.839	70.449	70.449
2	3.435	11.080	81.528
3	2.110	6.808	88.336
4	1.240	4.001	92.337
5	0.687	2.217	94.554

基于综合因子载荷得分法的烤烟群体等级分级模型研究

Research on Tobacco Plant Population Grade Classification Model Based on Comprehensive Factor Loading Score Method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 18

相关文章 4

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

参数体系	特征参数	载荷				综合得分
参数体系	特征参数	综合因子1	综合因子2	综合因子3	综合因子4	综合得分
RGB颜色模型偏态参数	红通道色阶的均值R_Mean	0.045	-0.005	-0.036	0.094	0.181
	红通道色阶的中位数R_Median	0.046	-0.001	-0.035	0.050	0.131
	红通道色阶的众数R_Mode	0.047	-0.045	-0.044	-0.050	0.185
	红通道色阶的偏度R_Skewness	-0.037	-0.149	0.024	0.077	0.286
	红通道色阶的峰度R_Kurtosis	0.032	0.167	-0.033	0.003	0.235
	绿通道色阶的均值G_Mean	0.047	-0.030	-0.029	0.073	0.179
	绿通道色阶的中位数G_Median	0.048	-0.019	-0.025	0.017	0.109
	绿通道色阶的众数G_Mode	0.049	-0.061	-0.022	-0.166	0.298
	绿通道色阶的偏度G_Skewness	-0.040	-0.128	0.018	0.133	0.318
	绿通道色阶的峰度G_Kurtosis	0.032	0.179	-0.041	-0.006	0.257
	蓝通道色阶的均值B_Mean	0.049	-0.110	-0.007	-0.042	0.208
	蓝通道色阶的中位数B_Median	0.051	-0.082	-0.005	-0.150	0.288
	蓝通道色阶的众数B_Mode	0.045	-0.041	0.000	-0.291	0.377
	蓝通道色阶的偏度B_Skewness	-0.049	0.045	-0.013	0.260	0.367
	蓝通道色阶的峰度B_Kurtosis	-0.017	0.295	-0.035	-0.095	0.442
	灰度图像色阶的均值Y_Mean	0.047	-0.026	-0.029	0.070	0.171
	灰度图像色阶的中位数Y_Median	0.048	-0.017	-0.025	0.016	0.106
	灰度图像色阶的众数Y_Mode	0.049	-0.052	-0.021	-0.175	0.297
	灰度图像色阶的偏度Y_Skewness	-0.040	-0.136	0.019	0.128	0.322
	灰度图像色阶的峰度Y_Kurtosis	0.031	0.179	-0.039	-0.006	0.255
Lab颜色模型参数	亮度L	0.046	-0.020	-0.030	0.076	0.172
	a通道值a	-0.046	0.064	0.006	-0.016	0.131
	b通道值b	0.027	0.112	-0.062	0.264	0.465
HSV颜色模型参数	色调H	0.040	-0.027	-0.039	0.196	0.302
	饱和度S	-0.049	0.090	-0.009	0.128	0.276
	明度V	0.034	-0.137	-0.075	0.424	0.670
叶面纹理参数	对比度CON	-0.022	-0.001	-0.178	-0.105	0.306
	相关度COR	0.011	0.035	0.165	0.249	0.460
	熵ENT	-0.022	-0.008	0.397	-0.199	0.625
	同质性HOM	0.013	0.014	0.277	-0.076	0.380
	对角二阶炬ASM	-0.002	-0.175	0.330	0.239	0.745

[1]	谢明义, 徐广才, 邵维明, 张艳芳. 密云生态涵养区农民收入影响因素及增收路径研究[J]. 农学学报, 2022, 12(10): 94-100.
[2]	孟静娇, 谢志坚, 陈国斌. 因子分析法在玉米生产试验中的应用[J]. 农学学报, 2020, 10(2): 12-17.
[3]	杨雪晴. 基于因子聚类分析的江苏省农村金融业发展竞争力研究[J]. 农学学报, 2018, 8(5): 91-94.
[4]	范君华,刘明. 南疆海岛棉53份预试品系早熟丰产优质性状的因子-聚类分析[J]. 农学学报, 2017, 7(10): 6-13.