共查询到19条相似文献，搜索用时 281 毫秒
1.
黄瓜叶片叶绿素含量近红外光谱无损检测 总被引：3，自引：0，他引：3
为了简化黄瓜叶片叶绿素光谱模型和提高模型预测精度,采用联合区间偏最小二乘法( SiPLS)结合净分析物法( NAS)提取近红外光谱的特征信息,建立了黄瓜叶片叶绿素光谱模型.收集了110片新鲜黄瓜叶片,用近红外光谱仪采集光谱数据后立刻用化学分析方法测定叶绿素含量.原始光谱经过SNV预处理和子区间总数优化后,将全光谱均匀划分为29个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在上述特征子区间的基础上,用净分析物法分离光谱中同叶绿素相关的光谱信息,并结合线性回归法建立了叶绿素光谱模型.模型对应的校正集相关系数Rc、校正均方根误差、预测集相关系数Rp和预测均方根误差分别为0.947 2、0.079 5 mg/g、0.925 0和0.090 6 mg/g.结果表明:联合区间偏最小二乘法结合净分析物法能够有效提取叶绿素的特征光谱信息,提高模型精度的同时降低其复杂度. 相似文献
2.
以醋糟有机基质为研究对象,采用便携式可见/近红外光谱仪采集了不同含水率基质样品(69个)的漫反射光谱,通过选择不同的光谱预处理方法并确定其主成分数,建立了基于偏最小二乘法(PLS)的醋糟基质含水率定量分析模型.结果表明,以滑动平均滤波(MAF)和一阶微分(FD)相结合作为原始光谱的预处理方法所建立的模型(主成分数为5)对基质含水率的检测效果较好,其校正模型和预测模型决定系数分别为0.9930和0.9901,校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.0676和0.071 5.因此,可见/近红外光谱技术可以作为醋糟有机基质含水率快速检测的一种可靠方法. 相似文献
3.
采用可见/近红外光谱分析技术对河北和安徽两个产地的板栗进行检测分级,获得板栗样品在600~1 100 nm波长区间的可见/近红外光谱,采用偏最小二乘判别分析（PLSDA）进行建模,比较不同预处理方法和波长范围对PLSDA模型精度的影响。结果显示,不同预处理方法对模型性能影响较大,一阶导数预处理在全波长范围所建PLSDA模型性能最优,校正集和验证集的决定系数分别为0.884和0.863,均方根误差分别为0.170和0.191。不同波长范围也会影响模型的预测和识别性能,在波长区间为750~1 000 nm的光谱所建立的PLSDA模型性能要高于全波长光谱所建立的模型性能,其中经过Savitzky Golay平滑预处理后,模型性能的提高最为明显,且其与原始光谱在校正集和验证集的敏感性和特异性均达到最优,即识别率均可达到100%。因此,可见/近红外光谱分析技术能够对板栗产地进行鉴别。 相似文献
4.
以醋糟有机基质为研究对象,采用便携式可见/近红外光谱仪采集了不同含水率基质样品（69个）的漫反射光谱,通过选择不同的光谱预处理方法并确定其主成分数,建立了基于偏最小二乘法（PLS）的醋糟基质含水率定量分析模型。结果表明,以滑动平均滤波（MAF）和一阶微分（FD）相结合作为原始光谱的预处理方法所建立的模型（主成分数为5）对基质含水率的检测效果较好,其校正模型和预测模型决定系数分别为0.9930和0.9901,校正均方根误差（RMSEC）和预测均方根误差（RMSEP）分别为0.0676和0.0715。因此,可见/近红外光谱技术可以作为醋糟有机基质含水率快速检测的一种可靠方法。 相似文献
5.
6.
基于灰度关联-极限学习机的土壤全氮预测 总被引：3，自引：0，他引：3
为了克服近红外光谱的多重共线性、吸光度非线性等特点给土壤全氮含量预测带来的影响,引入灰度关联-极限学习机方法选择出具有较好预测能力的波长组合,以建立高精度土壤全氮含量预测模型。首先利用一阶微分光谱得到反映土壤全氮含量的敏感谱区,再利用灰度关联法得到土壤全氮含量的敏感波长,分别为1007、1128、1360、1596、1696、1836、2149、2262nm。最后采用极限学习机,将上述敏感波长作为输入,建立了土壤全氮预测模型。作为对照,同时采用传统相关分析方法选择了敏感波长并建立了回归模型。2种建模结果表明,灰度关联-极限学习机建立的土壤全氮预测模型,其建模决定系数R2c为0.9134,预测决定系数R2v为0.8787,建模精度和预测精度都比传统建模方法高。特别在预测低氮含量土壤时,灰度关联-极限学习机方法优势更明显。 相似文献
7.
特征变量筛选在近红外光谱测定绿茶汤中茶多酚的应用 总被引：2，自引：1，他引：1
利用化学计量学方法从绿茶汤近红外光谱中提取茶多酚光谱信息,建立茶多酚近红外光谱定量分析模型.光谱采集使用5 mm光程的石英比色皿,利用联合区间偏最小二乘法(siPLS)筛选特征光谱区间,然后在筛选的光谱区间内进一步利用遗传算法(GA)优选特征变量.结果表明,siPLS筛选的特征光谱区间避开了水的强吸收峰影响,利用GA在筛选的特征光谱区间内优选出166个特征变量建立PLS模型,模型预测集均方根误差为0.685％,相对标准差为5.26％,相对分析误差为3.22,所建模型能达到精度要求,可用于实际检测. 相似文献
8.
油菜氮素光谱定量分析中水分胁迫与光照影响及修 总被引：5，自引：2，他引：3
研究了油菜氮素和水分胁迫在光谱检测中的相互作用,以及光照的变化对作物光谱检测的影响.为了克服光照因素对光谱检测的影响,针对氮素和水分的特征波长分别建立了基于光谱反射率变化率的光照修正模型;为了实现对氮素和水分相互作用的解耦,针对不同含水率水平的植株分别建立了全氮含量光谱特征的主成分回归模型.利用氮素光谱组合分析模型对植株全氮含量进行预测,结果表明,实测值与预测值的相关系数R为0.92,均方根误差(RMSE)为0.53,优于前期采用6特征波长变量和主成分回归法所建立的预测模型. 相似文献
9.
为了快速检测面条中马铃薯全粉含量,研究近红外高光谱成像技术定量检测面条中马铃薯全粉含量的可能性,自制了马铃薯全粉质量分数在0~35%内随机均匀分布的120个面条样品,在900~2500nm范围采集高光谱图像,随机选取80个样品作为校正集,分别采用原始光谱和经过6种预处理方法预处理后的光谱建立了偏最小二乘回归、主成分回归、支持向量机回归模型。结果表明经标准化预处理后用偏最小二乘回归建模效果最好,校正集决定系数（R2C）为0.8653,交叉验证集决定系数（R2CV）为0.6914。用回归系数法在经过标准化预处理后的光谱数据中提取了与全粉含量相关的特征波长,建立了马铃薯全粉含量偏最小二乘回归简化模型, 校正集决定系数（R2C）为0.8685,交叉验证集决定系数（R2CV）为0.8021,基于特征波长建立的模型效果优于全波段模型,模型效果得到了一定的提高。以剩余40个未参与校正模型建立的样品作为预测集,基于特征波长建立了标准化-偏最小二乘回归简化预测模型,预测集决定系数（R2P）为0.8546,模型具有较好的预测能力。结果表明利用近红外高光谱成像技术可检测面条中马铃薯全粉含量,可为马铃薯全粉面条的快速无损检测建立新的方法。 相似文献
10.
《现代农业装备》2017,(6)
基于随机森林(RF)算法,研究土壤有机质的近红外光谱信息响应,建立RF回归模型。通过调试模型,选择最优模型参数,对应的最优校正均方根偏差(RMSEv)为0.210。针对降维优选的信息波长、全光谱波长,分别建立RF回归模型和PLS模型,经过比较模型预测结果,验证RF用于土壤近红外分析的可行性;进一步针对预测集样品计算,得到预测均方根偏差(RMSEp)为0.240,预测相关系数(Rp)为0.908。结果表明,RF算法可以为土壤近红外光谱分析优选信息波长,能够实现模型降维,且RF降维优化模型可为土壤专用的近红外分光系统的设计提供理论依据,有望应用到现代农业生产当中。 相似文献
11.
为减少水分、粒度对传统方式选取特征波长建立的土壤有机质预测模型的影响,本文提出新的特征波长提取方法。采集中国农业大学上庄实验站土壤样本60份,将样本自然风干后一分为二,一份配成5个粒度梯度（粒径2~2.5mm、1.43~2mm、1~1.43mm、0.6~1mm、0~0.6mm）,另一份过0.6mm筛后配成5个水分梯度（含水率5%、10%、15%、20%、25%）。通过标准仪器分别获取土壤有机质含量真值和土壤光谱信息,使用随机蛙跳算法进行特征波长提取,每个水分、粒度梯度下分别选取7个与土壤有机质含量真值相关性较高的波长作为对应梯度下选取的特征波长,分别建立多元线性回归（MLR）、偏最小二乘（PLS）、随机森林（RF）模型,结果表明：随着含水率增高,3种模型的建模集和预测集决定系数R2基本呈减小趋势;在2~2.5mm粒度梯度下,3种模型的建模集和预测集R2最低,在0~0.6mm梯度下,建模集和预测集R2最高,其余梯度下,建模集和预测集R2接近。结合滤光片带通范围（±15nm）,挑选出水分梯度下相同或者接近的8个土壤有机质特征波长,粒度梯度下选取6个特征波长,最终结合化学键特性在水分梯度和粒度梯度下确定的14个特征波长下剔除了6个,确定8个特征波长：932、999、1083、1191、1316、1356、1583、1626nm。分别建立MLR、PLS、RF模型,结果表明：最终选取的有机质特征波长建立的3种模型建模集R2均不低于0.8、预测集R2均不低于0.75,其中PLS预测效果最佳,建模集、预测集R2分别为0.8809、0.8402。本研究所确定的有机质特征波长建立的模型具有更好的适用性和预测效果,相比于传统方式,一定程度上消除水分、粒度对预测的影响。 相似文献
12.
高光谱成像技术的玉米叶片氮含量检测模型 总被引：2，自引：0，他引：2
应用高光谱成像技术,实现了玉米拔节期叶片氮含量的检测。提取出240个叶片样本的平均光谱反射率数据(400~1 000nm),对原始数据分别进行3种预处理(1stDer、2ndDer、SNV),建立了4种预测模型,包括基于幅值参数(Dλr、Dλy、Dλb)的多种回归模型、全光谱PLS模型、基于连续投影算法(SPA)的PLS模型及基于主成分分析法(PCA)的PLS模型。建模结果显示:基于PCA的PLS模型预测精度最低;全光谱的PLS模型Rc2和RP2分别为0.967、0.821;基于SPA算法的PLS模型R_c~2、R_P~2分别为0.944、0.749,与全光谱的PLS模型预测精度相当,而自变量个数减少了95.07%。基于幅值参数的多元回归模型其预测结果虽与基于全光谱的PLS模型有些许差距,但模型简单,运算量最小,适用于对精度要求不高的场合。 相似文献
13.
基于高光谱技术的基质含水率快速测定方法 总被引：1，自引：0，他引：1
为了寻找一种基质含水率的快速检测方法,应用高光谱技术获得不同含水率基质样品光谱信息,阐释基质含水率光谱规律,对基质含水率进行定量分析,为设施基质栽培水分快速测定提供参考。以稻壳基质为研究对象,对基质光谱信息进行基线校正和平滑处理后,利用逐步回归分析法提取稻壳基质光谱反射率一阶微分变换的敏感波段,建立基于敏感波段组合的基质含水率预测模型,并对模型进行了检验。结果表明,在敏感波段527、796和959 nm处,采用反射率一阶微分建立的稻壳基质含水率三波段指数预测模型的预测效果较好,模型预测相关系数(RP)为0.91,预测均方根误差(RMSEP)为5.55%,可以实现对稻壳基质含水率的快速准确检测。 相似文献
14.
竹叶片氮含量高光谱估测方法对比研究 总被引：1，自引：0，他引：1
为实现快速无损检测竹叶片氮含量,采用波长范围为350~2500nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0.838,均方根误差RMSE为0.0452,具备较好的竹叶片氮含量估测效果。 相似文献
15.
土壤养分元素在激光诱导击穿光谱上的谱峰多,为了探索适宜检测分析的氮、磷、钾养分元素谱峰,采集土壤样本188～981 nm范围内的激光诱导击穿光谱开展二维相关分析。利用同步谱自动峰解析特征波长敏感性,通过同步谱和异步谱交叉峰解析特征波长间关系,结合能级比较特征波长激发难易。研究表明:498.174、499.101、499.948和500.717 nm谱线适用于氮元素分析;253.323、253.649 nm谱线适用于磷元素分析;766.414、769.970 nm谱线适用于钾元素分析。优选的谱线可为改善激光诱导击穿光谱检测土壤养分效果提供理论支撑。 相似文献
16.
为了满足田间作物长势快速检测与指导变量管理的需求,基于作物叶绿素光谱响应特征波长筛选与优化,开发了一款便携式作物叶绿素检测仪。首先,采用高光谱仪采集玉米冠层325～1 075 nm反射光谱,并采样萃取叶片叶绿素含量真值,开展叶绿素敏感响应波长筛选。经蒙特卡洛无信息变量消除(MC-UVE)算法在10～100个特征波长范围内进行变量筛选,表明采用50个特征波长时具有最优的叶绿素含量检测能力。其次,选择AS7265x型光谱传感器,以半峰宽20 nm的12个区间覆盖筛选的50个波长,设计的叶绿素检测仪包括传感器、主控制器、显示和控制等模块,实现作物冠层反射光数据采集、处理、显示和存储功能。开展传感器反射率标定与田间应用测试,基于传感器获取的反射率构建叶绿素含量偏最小二乘检测模型验证集决定系数为0.628;进一步组合归一化红边植被指数(NDRE:730、900 nm)和绿光归一化差值植被指数(GNDVI:535、900 nm),检测模型精度提高到0.69,模型嵌入系统最终实现了田间叶绿素含量快速检测,为作物长势高效分析提供了技术支持。 相似文献
17.
基于PCA_SVR的油菜氮素光谱特征定量分析模型 总被引：5，自引：1，他引：4
研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51. 相似文献
18.
全氮含量是土壤肥力的核心指标之一,快速、准确测定耕层土壤全氮含量对农业生产具有重要意义.以南京市江宁区典型水稻田为研究对象,采用棋盘式布点法选取了60个点位,每个点位均在0~30 cm表土层进行取样,利用大疆精灵4多光谱无人机同时获取了土壤样本分别在5个波段(450,560,650,730,840 nm)的光谱反射率,通过土壤全氮含量与光谱反射率多元线性分析,揭示了光谱反射率数据特有的多重共线性问题,构建了基于岭回归的无人机遥感影像反演土壤全氮含量预测模型.计算结果表明,岭回归系数取0.12时,其回归R2达到了0.408,方差膨胀因子均在10以下,且回归系数具有统计学意义.基于岭回归的反演模型可以较好兼顾反演精度与光谱数据多重共线性问题.研究成果可为无人机遥感土壤氮素营养诊断提供理论依据. 相似文献
19.
为了实现椰糠基质有效氮含量的快速实时检测,基于漫反射光谱设计了椰糠基质有效氮近红外检测仪。该检测仪的硬件系统主要由前处理装置、气力输送装置、重力式沉降样品室、近红外光谱检测装置、样品回收装置和空气压缩机等组成。制备了不同有效氮含量的椰糠基质样本135个,采用研制的检测仪获取了样本原始光谱数据,并建立了椰糠基质有效氮含量的最优偏最小二乘回归预测模型,其校正集相关系数和验证集相关系数分别为0.973和0.965,校正集均方根误差和验证集均方根误差分别为14.025 mg/(100 g)和15.757 mg/(100 g),残差预测偏差为3.72。基于MFC开发工具,采用C/C++语言开发了检测仪硬件控制及实时检测分析软件界面,将建立的最优有效氮光谱预测模型移植到软件程序中,实现了椰糠基质有效氮近红外检测仪功能硬件控制及有效氮检测的一键式操作。试验验证结果表明,所研制仪器预测值与国标测量值相关系数为0.883,测试集均方根误差为18.605 mg/(100 g)。该检测仪实现了椰糠基质有效氮含量的快速实时检测,并且预测性能较好,可以满足快速评价椰糠基质养分的实际需求。 相似文献