版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)字農(nóng)業(yè)技術(shù)作為現(xiàn)代信息化農(nóng)業(yè)的前沿研究領(lǐng)域之一,是我國(guó)未來(lái)實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化與可持續(xù)發(fā)展的關(guān)鍵技術(shù)。數(shù)字農(nóng)業(yè)需要快速、實(shí)時(shí)、準(zhǔn)確和定位化的獲取植物的生理信息和生長(zhǎng)狀況,而傳統(tǒng)的化學(xué)方法已不能滿足數(shù)字農(nóng)業(yè)的發(fā)展要求,因此,迫切需要開展關(guān)于快速無(wú)損測(cè)定植物生長(zhǎng)營(yíng)養(yǎng)信息和監(jiān)測(cè)作物生長(zhǎng)狀況的研究。本研究以種植廣泛的油料經(jīng)濟(jì)作物油菜作為研究對(duì)象,應(yīng)用Cropscan多光譜輻射儀對(duì)油菜苗期冠層的SPAD值進(jìn)行了快速無(wú)損檢測(cè)。同時(shí)應(yīng)用高光譜成像系統(tǒng)對(duì)油
2、菜蟲害進(jìn)行了鑒定,主要結(jié)論如下:
(1)應(yīng)用Cropscan多光譜輻射儀對(duì)油菜苗期冠層SPAD值的快速無(wú)損預(yù)測(cè)進(jìn)行了研究。將該儀器下的15個(gè)波段所獲取的光譜反射率值作為模型輸入量在線性模型(PLS)中,建模集的相關(guān)系數(shù)為0.7323,殘差為3.4528;預(yù)測(cè)集的相關(guān)系數(shù)比建模集低,為0.6640,預(yù)測(cè)殘差為2.7859。在非線性模型(LS-SVM)中,建模集的相關(guān)系數(shù)為0.7459,殘差為3.1567,同樣預(yù)測(cè)集的相關(guān)系數(shù)較建
3、模集低,相關(guān)系數(shù)和預(yù)測(cè)殘差分別為0.6805,3.1227。
(2)基于不同波段下組合的植被指數(shù)預(yù)測(cè)SPAD值的進(jìn)行了研究。通過(guò)不同波段組合的得到了不同的植被指數(shù)(R1100-R690)/(R1100+R690)、(R1650-R690)/(R1650+R690)、R830/R690、R830/R560。比較了這四種植被指數(shù)所建立模型對(duì)預(yù)測(cè)冠層SPAD的結(jié)果,并且探索了同一植被指數(shù)下所建立線性模型、二項(xiàng)式模型、指數(shù)模型及對(duì)數(shù)模
4、型。通過(guò)比較的得出,二項(xiàng)式模型在所有的植被指數(shù)中建模最優(yōu)。四種植被指數(shù)中(R1100-R690)/(R1100+R690)所建的二項(xiàng)式模型最優(yōu)。建模集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.7691、0.7012,殘差分別為1.98、2.03。
(3)應(yīng)用可見/近紅外技術(shù)高光譜成像系統(tǒng)中光譜特征對(duì)油菜蚜蟲進(jìn)行了檢測(cè)與識(shí)別研究。比較了全波段下基于SG、MSC、Detrending及SNV預(yù)處理方法對(duì)LS-SVM建模效果的影響,其中基于SNV
5、預(yù)處理算法的建模效果最優(yōu),在53個(gè)預(yù)測(cè)集中正確率達(dá)到90.57%。為了使得所建模型響應(yīng)速度快、輸入量少,探索了連續(xù)投影算法(SPA)、荷系數(shù)法(x-LW)、主成分載荷貢獻(xiàn)率分析法(PCA-Loadings)3種特征提取算法對(duì)建模結(jié)果的影響。經(jīng)過(guò)計(jì)算得出基于PCA-loading所提取的13個(gè)特征波長(zhǎng)所建的LS-SVM模型最優(yōu),識(shí)別正確率為88.68%。最后,為了研究不同建模模型對(duì)健康葉片和蚜蟲葉片分類影響,實(shí)驗(yàn)選用了最小二乘支持向量機(jī)(
6、LS-SVM)、最小二乘判別分析(PLS-DA)、極限學(xué)習(xí)機(jī)(ELM)模型,得出基于PCA-loading特征波長(zhǎng)下最小二乘判別分析模型最優(yōu)。
(4)應(yīng)用光譜技術(shù)對(duì)油菜健康莖稈和含有蚜蟲莖稈的鑒別分析進(jìn)行了研究。得出基于Detrending預(yù)處理下的SPA算法提取的特征波長(zhǎng)較少,且所建的LS-SVM模型最優(yōu),建模集的預(yù)測(cè)正確率為89.66%,預(yù)測(cè)集的識(shí)別正確率為86.21%,通過(guò)其它模型的正確率也均在80%左右。
(
7、5)在對(duì)蚜蟲蟲害的鑒別分析中,應(yīng)用圖像處理技術(shù)提取了特征波長(zhǎng)下油菜葉片的10個(gè)紋理特征并基于此特征進(jìn)行建模分析。提取的紋理特征有對(duì)比度、相關(guān)、能量、同質(zhì)性、反差、熵、協(xié)方差、逆差距、二階距和自相關(guān)的特征。將這些特征作為建模的輸入量得出最優(yōu)的建模模型為極限學(xué)習(xí)機(jī)模型(ELM),其預(yù)測(cè)正確率僅為69.81%。而將光譜特征與圖像特征相結(jié)合,所探討的3類模型的預(yù)測(cè)正確率均在85%以上,其中PLSDA的預(yù)測(cè)正確率為92.45%。
(6)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于低空光譜成像遙感技術(shù)的油菜冠層SPAD檢測(cè)研究.pdf
- 干旱脅迫下水稻冠層溫度及SPAD值變化的關(guān)聯(lián)分析.pdf
- 光照和施氮對(duì)水稻冠層SPAD值分布及葉片氮營(yíng)養(yǎng)診斷的影響.pdf
- 基于光譜和多光譜成像技術(shù)的油菜生命信息快速無(wú)損檢測(cè)機(jī)理和方法研究.pdf
- 基于高光譜成像技術(shù)的油菜信息獲取研究.pdf
- 基于多光譜成像技術(shù)的光譜圖像重構(gòu)與顯示研究.pdf
- 基于光譜和多光譜圖像技術(shù)的油菜菌核病識(shí)別.pdf
- 基于高光譜成像技術(shù)的油菜養(yǎng)分及產(chǎn)量信息快速獲取技術(shù)和方法研究.pdf
- 基于光譜技術(shù)的油菜養(yǎng)分及油菜籽品質(zhì)分析的研究.pdf
- 基于冠層數(shù)字圖像、熒光發(fā)射信息及SPAD值分布的水稻氮營(yíng)養(yǎng)診斷.pdf
- 基于光譜技術(shù)的田間稻飛虱蟲害檢測(cè)研究.pdf
- 基于冠層光譜的棉花單產(chǎn)估算模型的研究.pdf
- 基于高光譜成像技術(shù)的油菜除草劑脅迫診斷及生理信息檢測(cè)研究.pdf
- 基于植被冠層光譜BRDF模型的LAI反演研究.pdf
- 基于多光譜成像技術(shù)的餅干品質(zhì)安全檢測(cè)研究.pdf
- 基于多光譜成像的微型靜脈顯像技術(shù)研究.pdf
- 基于多光譜成像的光譜反射率重建及應(yīng)用.pdf
- 太赫茲多光譜成像技術(shù)的初步研究.pdf
- 256層螺旋CT冠脈成像對(duì)冠脈迂曲定量研究.pdf
- 多光譜、超光譜成像探測(cè)關(guān)鍵技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論