基于高光谱的油麦菜叶片水分CARS-ABC-SVR预测模型

• 作者: 丛孙丽 孙俊 张晓东 武小红 毛罕平 汪沛
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 水分 算法 模型 高光谱 油麦菜 竞争性自适应加权算法 人工蜂群算法
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 178-184
• 页数: 7页
• 分类号: S636|O657.33
• 字数: 5183字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.05.026

摘要

为了实现油麦菜生长期间更合理的灌水管理,研究一种基于高光谱技术的精确、快速、有效检测油麦菜叶片水分的新方法.以5种不同水分胁迫水平的油麦菜为研究对象,通过高光谱成像系统获取高光谱图像并利用干燥法测量叶片含水率.采用多项式平滑(Savitzky-Golay,SG)结合标准变量变换(standard normalized variable,SNV)对高光谱数据去噪平滑.利用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)进行特征波长选择,并与逐步回归分析(stepwise regression,SR)及连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立油麦菜叶片全光谱数据、3种特征光谱数据与干基含水率的关系模型.结果表明,基于竞争性自适应加权算法波长选择的支持向量回归模型(CARS-SVR)效果最佳,但预测精度尚不够理想,故引入人工蜂群算法(artificial bee colony,ABC)优化模型的参数惩罚因子和核参数.最终,经人工蜂群算法优化后的模型(CARS-ABC-SVR)的预测集决定系数R2和均方根误差RMSE分别为0.9214和2.95％.因此,利用高光谱技术结合CARS-ABC-SVR模型预测油麦菜叶片水分含量是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓东	江苏大学现代农业装备与技术教育部重点实验室	43	494	15.0	20.0
2	毛罕平	江苏大学现代农业装备与技术教育部重点实验室	235	4472	37.0	54.0
3	武小红	江苏大学电气信息工程学院	62	694	15.0	24.0
4	孙俊	江苏大学电气信息工程学院	133	1226	19.0	28.0
5	汪沛	江苏大学电气信息工程学院	2	22	2.0	2.0
6	丛孙丽	江苏大学电气信息工程学院	1	20	1.0	1.0