基于高光谱技术的哈密瓜果实物候期判别模型

论文摘要

以新和地区种植的大田哈密瓜为研究对象,采集不同物候期哈密瓜果实样本,采集高光谱数据并通过Savitzky-Golay一阶导数（SG-1）、Savitzky-Golay二阶导数（SG-2）、标准正态变换（SNV）、多元散射校正（MSC）4种光谱预处理方法进行预处理,建立广义回归神经网络（GRNN）和概率神经网络（PNN）2种哈密瓜物候期判别模型,以模型判别正确率为评价指标,结果显示,所建模型均能很好地识别哈密瓜果实物候期。将采集到的4个时期的哈密瓜果实样本光谱组合成10组具有输入变量的光谱样本,分别建立GRNN和PNN判别模型,以模型运行时间作为模型评价指标,得出以3个时期的哈密瓜样本光谱所建立的SG-1-GRNN和SNV-PNN模型为最优,运行时间为0.046 9 s,运行速率最多可提高57%。

论文目录

• 1 材料与方法
•   1.1 种植区概况
•   1.2 不同物候期果实采集方法
•   1.3 果实高光谱数据采集
•     1.3.1 近红外高光谱成像系统
•     1.3.2 高光谱数据采集与处理
• 2 结果与讨论
•   2.1 光谱预处理
•   2.2 校正集与预测集划分
•   2.3 建模方法
•   2.4 结果对比
•     2.4.1 全样本光谱判别结果对比
•     2.4.2 10组模型判别结果与运行时间对比
•       2.4.2.1 10组模型判别结果对比
•       2.4.2.2 10组模型运行时间对比
• 3 结论

文章来源

类型: 期刊论文

作者: 伍恒,李明周,张航,彭冬梅,吕泽鑫,周岭

关键词: 高光谱成像技术,哈密瓜物候期,神经网络,判别方法

来源: 江苏农业科学 2019年22期

年度: 2019

分类: 农业科技

专业: 园艺

单位: 塔里木大学机械电气化工程学院,新疆维吾尔自治区普通高等学校现代农业工程重点实验室

基金: 国家科技支撑计划(编号:2015BAD19B00)

分类号: S652.1

DOI: 10.15889/j.issn.1002-1302.2019.22.061

页码: 258-264

总页数: 7

文件大小: 3743K

下载量: 112