基于迁移学习的FDR土壤水分传感器自动标定模型研究

• 作者: 于唯楚 李鸿儒 王振营
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: FDR土壤水分传感器 自动标定 迁移学习 TrAdaBoost XGBoost
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 213-220
• 页数: 8页
• 分类号: S24|S152.7
• 字数: 5213字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.02.023

摘要

针对频域反射技术(FDR)传感器人工标定数据拟合误差大的问题,引入其他地区数据作为辅助数据,建立了基于迁移学习的自动标定模型.该模型将FDR目标使用地点采集的数据作为源域数据,结合辅助数据与少量源域数据,使用TrAdaBoost算法即可得到准确的FDR传感器标定模型.将面向分类问题的TrAdaBoost算法改进为适用于本文面向回归的TrAdaBoost算法,将TrAdaBoost算法的基学习器由AdaBoost改为XGBoost,改进了更新权重误差率的计算方法.首先使用XGBoost对辅助数据进行训练,得到初始标定模型;然后在目标地点采集少量数据,使用改进后的TrAdaBoost算法对初始标定模型进行校准,即可得到准确的FDR标定模型.将10个不同地区站点数据作为辅助数据,训练得到初始标定模型,将沈阳地区6个站点分别作为目标使用地点,取80％数据作为源域数据,进行模型校正,其余20％数据用于测试.测试结果的平均准确率为99.1％,说明基于迁移学习的自动标定模型是有效和准确的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鸿儒	东北大学信息科学与工程学院	52	733	15.0	26.0
2	王振营		3	9	2.0	3.0
3	于唯楚	东北大学信息科学与工程学院	1	1	1.0	1.0