| 基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法 |
| |
| 引用本文： | 王东,沈楷程,范叶满,龙博伟.基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法[J].农业机械学报,2022,53(4):192-198. |
| |
| 作者姓名： | 王东 沈楷程 范叶满 龙博伟 |
| |
| 作者单位： | 西北农林科技大学机械与电子工程学院,陕西杨凌712100;农业农村部农业物联网重点实验室,陕西杨凌712100 |
| |
| 基金项目： | 国家自然科学基金项目（31701326）、陕西省重点研发计划项目（2020NY-117）和西安市科技计划项目（20NYYF0052） |
| |
| 摘 要： | 叶绿素荧光参数Fv/Fm在植物逆境胁迫研究中具有重要意义，当前获取方法需要对植物进行暗适应处理，难以实现实时测量。为实现Fv/Fm的实时获取，本文以4种水分胁迫水平下的辣椒为研究对象，基于高光谱成像及特征波段筛选方法对Fv/Fm进行预测。采用中值滤波对Fv/Fm图像去噪，并基于二维坐标变换实现高光谱图像与叶绿素荧光图像的匹配。对比标准正态变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑(SG)3种光谱预处理算法，并基于连续投影(SPA)算法筛选特征波长。基于效果最优的SG预处理算法，分别以偏最小二乘回归(PLSR)、分析误差反向传播(BP)神经网络、径向基函数(RBF)神经网络对比建模精度，其中BP算法建立的模型精度相对较高，其测试集决定系数为0.918、均方根误差为0.011。研究表明，SG-SPA-BP的建模方法在实现预测精度的同时降低了模型复杂度，为基于高光谱图像对Fv/Fm图像的实时准确预测提供了方法。
|
| 关 键 词： | 叶绿素荧光图像 高光谱图像 特征波长 神经网络 辣椒 |
| 收稿时间： | 2021/12/2 0:00:00 |
Prediction Method of Chlorophyll Fluorescence Fv/Fm Image Based on Hyperspectral Image |
| |
| WANG Dong,SHEN Kaicheng,FAN Yeman,LONG Bowei.Prediction Method of Chlorophyll Fluorescence Fv/Fm Image Based on Hyperspectral Image[J].Transactions of the Chinese Society of Agricultural Machinery,2022,53(4):192-198. |
| |
| Authors: | WANG Dong SHEN Kaicheng FAN Yeman LONG Bowei |
| |
| Institution: | Northwest A&F University |
| |
| Abstract: | |
| |
| Keywords: | chlorophyll fluorescence image hyperspectral image characteristic wavelength neural network pepper |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
