国产精品视频一区二区三区四,亚洲av美洲av综合av,99国内精品久久久久久久,欧美电影一区二区三区电影

產(chǎn)品推薦:氣相|液相|光譜|質(zhì)譜|電化學(xué)|元素分析|水分測(cè)定儀|樣品前處理|試驗(yàn)機(jī)|培養(yǎng)箱


化工儀器網(wǎng)>技術(shù)中心>解決方案>正文

歡迎聯(lián)系我

有什么可以幫您? 在線咨詢

基于高光譜成像技術(shù)的辣椒葉片葉綠素含量估算

來(lái)源:江蘇雙利合譜科技有限公司   2022年08月18日 15:39  

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(guò)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(cè)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(zhǎng)期的辣椒葉片作為研究對(duì)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(cè)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(guò)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(kāi)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(guò)隨機(jī)森林算法選擇得到重要性最高的前20個(gè)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(lái)看,主要集中于可見(jiàn)光波段(390~780 nm),這可能與光合作用的波段主要是可見(jiàn)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(shù)(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(duì)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(duì)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(cè)值與預(yù)測(cè)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(duì)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(shuō)明模型具有較高的穩(wěn)定性和預(yù)測(cè)精度,可以滿足實(shí)際預(yù)測(cè)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(cè)精度和穩(wěn)定度,達(dá)到簡(jiǎn)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(cè)辣椒葉片葉綠素含量,為后期大面積檢測(cè)辣椒的生長(zhǎng)狀況提供了理論依據(jù)。

(3)選用辣椒葉片為研究對(duì)象,但從特征波段的選擇和模型構(gòu)建來(lái)說(shuō),對(duì)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(jiǎn)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.


免責(zé)聲明

  • 凡本網(wǎng)注明“來(lái)源:化工儀器網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-化工儀器網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品,未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的,應(yīng)在授權(quán)范圍內(nèi)使用,并注明“來(lái)源:化工儀器網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關(guān)法律責(zé)任。
  • 本網(wǎng)轉(zhuǎn)載并注明自其他來(lái)源(非化工儀器網(wǎng))的作品,目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí),必須保留本網(wǎng)注明的作品第一來(lái)源,并自負(fù)版權(quán)等法律責(zé)任。
  • 如涉及作品內(nèi)容、版權(quán)等問(wèn)題,請(qǐng)?jiān)谧髌钒l(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系,否則視為放棄相關(guān)權(quán)利。
企業(yè)未開(kāi)通此功能
詳詢客服 : 0571-87858618
仁寿县| 阿拉善盟| 阿尔山市| 布尔津县| 临夏市| 莫力| 醴陵市| 台州市| 吴旗县| 来凤县| 依安县| 南乐县| 乌鲁木齐市| 旬阳县| 溧水县| 罗定市| 怀仁县| 安徽省| 苍山县| 滨州市| 余江县| 宁明县| 威远县| 贵定县| 合江县| 衡阳市| 六安市| 大石桥市| 崇文区| 兴和县| 张家口市| 嘉峪关市| 东莞市| 紫金县| 北宁市| 佛教| 南康市| 耿马| 罗江县| 兰西县| 凌云县|