Gram-Schmidt算法与GRNN融合的加工番茄早疫病高光谱预测

• 作者: 尹小君 李满春 王登伟 赵思峰
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 光谱分析 Gram-Schmidt算法 GRNN 加工番茄 旱疫病
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 136-140
• 分类号: TP79|S127
• 字数: 5030字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2011.12.026

摘要

加工番茄早疫病的准确预测,有助于及时采取防治措施,降低产量损失.测定加工番茄早疫病冠层光谱,对380～760 nm进行连续统去除变换,提取波段深度、波段位置、波段宽度、斜率、面积等特征参数,并对原始光谱提取红谷、绿峰、红边及相应波段位置等特征参数.利用Gram-Schmidt算法对特征参数进行成分提取,作为广义回归神经网络(GRNN)的输入变量,对加工番茄早疫病病情严重度进行预测.研究结果表明,与多元线性回归和偏最小二乘法预测模型比较,Gram-Schmidt算法与GRNN融合模型的预测精度相对较高,R2为0.843,RMSE为0.136,该方法能够对加工番茄早疫病病情严重度进行快速、准确的预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵思峰	石河子大学农学院	38	264	11.0	15.0
2	尹小君	南京大学地理与海洋学院	5	23	3.0	4.0
6	王登伟	石河子大学农学院	10	62	4.0	7.0
7	李满春	石河子大学信息科学与技术学院	1	1	1.0	1.0