基于高光谱图像的龙眼叶片叶绿素含量分布模型

• 作者: 凌康杰 刘永鑫 岳学军 洪添胜 王林惠 甘海明
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 龙眼叶片 叶绿素 深度学习 高光谱图像 支持向量回归
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 农业装备与机械化工程
• 页码范围: 18-25
• 页数: 8页
• 分类号: S123|S667.2
• 字数: 5823字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2018.08.002

摘要

针对传统高光谱单点法检测叶绿素含量效率低、精度不足等问题,提出一种基于高光谱图像和卷积神经网络(CNN)多特征融合的深度学习龙眼叶片叶绿素含量分布预测模型.首先进行Savitzky-Golay光谱去噪,然后通过奇异值分解(SVD)和独立成分分析(ICA)提取特征光谱,再对特征光谱图像提取灰度共生矩阵(GLCM)和CNN纹理特征,最后建立粒子群优化(PSO)支持向量回归(SVR)、深度神经网络(DNNs)分布模型.结果表明,基于特征光谱建模的PSO-SVR预测效果最佳,全期的校正集和验证集模型决定系数R2为0.822 0和0.815 2.对比多种主流模型,基于特征光谱、GLCM纹理、CNN纹理特征的ICA-DNNs模型预测精度最高,校正集和验证集R2分别为0.835 8和0.821 0.试验结果表明,高光谱图像可快速无损地对龙眼叶片叶绿素含量分布进行检测,可为龙眼树实时营养监测和病害早期防治提供理论依据.