江苏大学现代农业装备与技术教育部重点实验室, 江苏 镇江 212013
氮素是影响生菜产量和品质的重要因素, 光谱技术是检测作物氮素含量最有效的手段之一。 通过获取不同氮素水平下生菜冠层的反射光谱, 对其进行FDSGF（first-order derivative based savitzky-golay filt）滤波后, 利用后向区间偏最小二乘算法（BiPLS）、 遗传算法（GA）及连续投影算法（SPA）对特征波长进行梯度提取, 最终从2 151个波长点中提取了8个与生菜氮素最为相关的特征波长。 分别利用多元线性回归（MLR）、 径向基函数神经网络（RBFNN）及极限学习机（ELM）三种算法建立了基于特征波段或特征波长的8个生菜冠层氮素含量检测模型。 结果表明: BiPLS-GA-SPA-ELM模型（RMSEC=0.241 6%, Rc=0.934 6, RMSEP=0.284 2%, Rp=0.921 8）的预测结果优于其他模型, 为指导合理施肥和开发便携式仪器提供了理论基础。
反射光谱 后向区间偏最小二乘 遗传算法 连续投影算法 径向基函数神经网络 极限学习机 Reflection spectra Backward interval partial least squares Genetic algorithm Successive projections algorithm Radial basis function neural network Extreme learning machine
1 江苏大学江苏省现代农业装备与技术重点实验室, 江苏 镇江212013
2 江苏大学电气信息工程学院, 江苏 镇江212013
为了便于生菜合理施水管理, 力求构建生菜叶片水分检测模型。 采集生菜叶片获取高光谱图像并同时测量叶片含水率, 分析高光谱图像寻求生菜叶片水分特征波段, 处理特征波段处的波段图像, 求取生菜叶片水分的图像特征, 并通过相关性分析筛选出其中与水分相关性高的图像特征。 由于图像特征之间存在可能的相关性, 利用偏最小二乘PLS提取图像特征的主成分, 作为具有回归预测能力的BP神经网络的输入, 构建PLS-ANN模型。 同时分别利用BP神经网络、 传统的多元回归方法MLR建模, 采用相同的样本数据分别对三种模型进行预测试验, 结果表明, 发棵期的PLS-ANN网络模型的生菜叶片水分预测平均误差率达到9.323%, 比BP-ANN和MLR预测模型均有了改善。
高光谱图像 BP-ANN BP-ANN PLS-ANN PLS-ANN MLR MLR Hyper-spectral image
