国产日产欧美精品-亚洲国产综合久久精品-色综合色国产热无码一-亚洲欧美日本国产,免费观看一区二区三区_在线观看片A免费不卡观看_亚洲а∨天堂久久精品_99久无码中文字幕一本久道

您好, 歡迎來到化工儀器網(wǎng)

| 注冊| 產(chǎn)品展廳| 收藏該商鋪

13810146393

technology

首頁   >>   技術(shù)文章   >>   基于高光譜成像技術(shù)的辣椒葉片葉綠素含量估算

江蘇雙利合譜科技有限公司

立即詢價

您提交后,專屬客服將第一時間為您服務(wù)

基于高光譜成像技術(shù)的辣椒葉片葉綠素含量估算

閱讀:1178      發(fā)布時間:2022-8-18
分享:

安徽省農(nóng)業(yè)科學(xué)院土壤肥料研究所利用我司高光譜設(shè)備,通過高光譜成像技術(shù)研究辣椒葉片葉綠素含量與光譜之間的定量關(guān)系,為大面積、快速檢測植被葉綠素含量變化提供了可能。

此研究選取150組不同生長期的辣椒葉片作為研究對象,分別采集辣椒葉片的高光譜圖像和葉綠素含量后,進(jìn)行辣椒葉片葉綠素含量定量模型的預(yù)測研究。我司高光譜成像系統(tǒng)如圖1、圖2所示。

圖片1.jpg

圖1 GaiaSoter-Dual“蓋亞"雙相機(jī)全波段高光譜分選儀

圖片2.jpg

圖2 Gaiafiled-Pro-V10E相機(jī)及參數(shù)

通過選取如圖3所示的6處具有代表性的矩形感興趣區(qū)(避開葉脈)作為樣本的原始光譜,加權(quán)平均后的光譜值作為原始光譜數(shù)據(jù)。去掉383~399 nm和950~1000 nm邊緣噪聲較大的光譜數(shù)據(jù),保留400~949 nm進(jìn)行下一步研究(如圖4所示)。

圖3.辣椒葉片取樣區(qū)域

Fig3. Sampling area of pepper leaves

圖片5.jpg

圖4原始光譜曲線

Fig 4. original spectral curve

通過隨機(jī)森林算法選擇得到重要性最高的前20個波段,如圖5所示。分別為697.1 nm、932.1nm、941.9 nm、693.6 nm、857.4 nm、930.8 nm、543.4 nm、927.1 nm、803.3 nm、550.1 nm、806.9 nm、785.4 nm、704.1 nm、890.1 nm、916 nm、530 nm、533.1 nm、556.8 nm、771.1 nm、536.7 nm,從上述所選波段分布來看,主要集中于可見光波段(390~780 nm),這可能與光合作用的波段主要是可見光波段有關(guān)。

圖片6.jpg

圖5.隨機(jī)森林特征重要性

Fig 5 Importance of random forest characteristics

將經(jīng)隨機(jī)森林特征選擇算法篩選后的波段作為自變量,SPAD值作為因變量。利用線性回歸(Linear Regression, LR)、偏最小二乘回歸(Partial Least Squares Regression, PLSR)、梯度提升回歸樹(Gradient Boosting Regressor Tree, GBRT)、隨機(jī)森林回歸(Random Forest regression, RFR)分別構(gòu)建反演模型。表1為4種模型的建模效果精度對比,圖6為4種模型的驗(yàn)證集驗(yàn)證效果。

表1 不同算法精度對比

Table1 Accuracy comparison of different algorithms

模型Model

建模Modeling

驗(yàn)證Verification

LR

0.93

1.77

1.41

0.83

2.39

1.89

PLSR

0.86

2.6

2.1

0.87

2.05

1.75

GBRT

0.99

0.54

0.42

0.87

2.06

1.7

RFR

0.97

1.29

1.05

0.90

1.87

1.43

圖片7.jpg

圖6.實(shí)測值與預(yù)測值關(guān)系

Fig 6. Relationship between measured and predicted values

研究結(jié)果表明:(1)隨機(jī)森林特征選擇算法篩選后波段構(gòu)建的模型精確度和可靠性較高,其中隨機(jī)森林回歸相對于其他回歸方法,模型精度最高,其驗(yàn)證集的 R2為0.9、RMSE為1.87、MAE為1.43。說明模型具有較高的穩(wěn)定性和預(yù)測精度,可以滿足實(shí)際預(yù)測需求,其次利用隨機(jī)森林特征選擇算法很大程度上降低了模型的復(fù)雜度,從而提高了模型的預(yù)測精度和穩(wěn)定度,達(dá)到簡化模型的目的。

(2)利用隨機(jī)森林特征選擇算法篩選的波段結(jié)合隨機(jī)森林回歸可以較為穩(wěn)定的預(yù)測辣椒葉片葉綠素含量,為后期大面積檢測辣椒的生長狀況提供了理論依據(jù)。

(3)選用辣椒葉片為研究對象,但從特征波段的選擇和模型構(gòu)建來說,對于其他農(nóng)作物也具有重要的參考性,在今后的研究可以嘗試將該方法應(yīng)用到其他植被葉片。

通訊作者簡介:

葉寅,博士,安徽省農(nóng)業(yè)科學(xué)院土壤肥料研究所助理研究員。

主要研究方向:1、面源污染防治與模擬。2、景觀生態(tài)學(xué)以及土地利用/覆被變化的生態(tài)環(huán)境效應(yīng)。

 

參考文獻(xiàn):袁自然,葉寅,武際,方凌,陳曉芳,楊欣.基于高光譜成像技術(shù)的辣椒葉片葉綠素含量估算[J].江蘇農(nóng)業(yè)科學(xué),2021,49(16):189-193.DOI:10.15889/j.issn.1002-1302.2021.16.035.


會員登錄

請輸入賬號

請輸入密碼

=

請輸驗(yàn)證碼

收藏該商鋪

標(biāo)簽:
保存成功

(空格分隔,最多3個,單個標(biāo)簽最多10個字符)

常用:

提示

您的留言已提交成功!我們將在第一時間回復(fù)您~
在線留言
丽水市| 友谊县| 翁牛特旗| 同江市| 泾源县| 宝山区| 南雄市| 汉沽区| 八宿县| 积石山| 宣恩县| 栾城县| 固始县| 兴宁市| 凉山| 天水市| 崇阳县| 南通市| 广南县| 成都市| 同仁县| 肃宁县| 千阳县| 通河县| 宣恩县| 类乌齐县| 嘉兴市| 永丰县| 屏边| 叶城县| 永宁县| 辽阳县| 吉木乃县| 乐安县| 四会市| 当阳市| 穆棱市| 塘沽区| 鄄城县| 调兵山市| 琼结县|