基于图像处理和SVR的土壤容重与土壤孔隙度预测

来源：农业工程学报杂志2021年第12期北京时间：

作者：杨玮,兰红,李民赞,孟超,

摘要：土壤容重和土壤孔隙度是衡量土壤结构的重要参数。传统的土壤容重、土壤孔隙度获取方法费时费力，且大多数预测模型的输入变量获取难度较高。该研究利用土壤粗糙度、土壤阻力与土壤容重的相关关系，以土壤表面图像的颜色参数和纹理参数表征土壤粗糙度，同使用车载式土壤阻力测量系统获得的土壤阻力一起，从信息融合的角度构建了支持向量机回归（Support Vector Regression，SVR）土壤容重预测模型和SVR土壤孔隙度预测模型。图像处理使用HSV颜色空间进行阈值分割，得到HSV颜色参数，纹理参数使用灰度共生矩阵的能量、熵、对比度和逆方差。使用主成分分析对颜色参数和纹理参数进行主成分提取。将SVR模型的预测结果同环刀法测得的标准值进行相关性分析，决定系数R2达到了0.867。土壤孔隙度SVR预测模型决定系数R2达到了0.743。在相同的运行环境下，将SVR模型与决策树回归模型结果做了对比，决策树回归对土壤容重和土壤孔隙度的预测精度R2分别为0.734和0.690，验证得到SVR预测模型具有更好的预测精度。研究可为节省试验成本，以及快速、有效预测土壤容重和土壤孔隙度提供方法和参考。

关键词：图像处理, 土壤, 容重, 孔隙度, HSV图像分割, SVR预测模型