基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测

• 作者: 王雪峰 陈珠琳
• 来源期刊: 应用生态学报
• 关键词: 檀香 BP神经网络 氮素 无损检测
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 1551-1558
• 页数: 8页
• 语种: 中文
• DOI: 10.13287/j.1001-9332.201805.004

摘要

氮素是植物生长需要的大量元素之一,生产经营者在植物生长过程中往往施加大量的氮肥,但过量的肥料会造成地下水污染.本文针对珍贵树种檀香,提出了一种基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测方法,为檀香的经营培育提供参考.结果表明:将野外获取到的檀香图像由RGB转换到L*a*b*系统,可以较好地完成自然图像中的檀香分割.这是由于L*a*b*系统色域宽,受光照变化的影响较小.ST-PCA-BP神经网络的特点是通过显著性检验(ST)筛选变量,使用方差膨胀因子和条件指数分析筛选结果的共线性,主成分分析法(PCA)消除共线性.该处理方法有效地减小了BP神经网络陷入局部最小值的概率,与原始数据、ST处理和PCA处理相比,决定系数最高,平均残差和均方根误差最小,是檀香叶片全氮含量无损、实时检测的最佳方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王雪峰	中国林业科学研究院资源信息研究所	50	264	10.0	13.0
2	陈珠琳	中国林业科学研究院资源信息研究所	12	11	2.0	3.0