基于树冠图像特征的苹果园神经网络估产模型

针对树上苹果产量的早期估测问题，提出了一种利用果树图像树冠树叶与果实的信息，通过BP（Back propagation）神经网络建立模型进行苹果估产的方法。首先在苹果园内分别获取果树在苹果半熟期、成熟期的数字图像，并在苹果收获时将每棵树上的苹果称量，得到实际产量；采用图像处理方法识别出树冠上的果实及树叶；提取果实区域及树叶区域与产量相关的信息为输入，以果树实际产量为输出，建立基于BP神经网络的半熟期与成熟期估产模型，拟合度R分别达到0.9287、0.9804。将模型用于待估产样本，得到半熟期样本估测产量与实际产量拟合度R为0.8766，成熟期样本估测产量与实际产量拟合度R为0.9606。结果表明该模型具有较好的预测精度与鲁棒性