国际科技合作与交流专项项目(2013DFA11470)
- 作品数：11 被引量：68H指数：5
- 相关作者：谢让金易时来何绍兰邓烈郑永强更多>>
- 相关机构：西南大学中国农业科学院柑桔研究所更多>>
- 发文基金：国际科技合作与交流专项项目国家科技支撑计划国家高技术研究发展计划更多>>
- 相关领域：农业科学理学自动化与计算机技术轻工技术与工程更多>>
- 哈姆林甜橙叶片锰锌缺乏症状的高光谱识别被引量：2
- 2016年
- 柑橘树锰、锌等缺乏问题普遍存在,但其症状有时不易识别,不利于对这些微量元素丰缺与否的诊断和有针对性的矫治.采用高光谱成像技术,研究了哈姆林甜橙叶片不同程度缺锰、缺锌症状的光谱响应特征及差异,对Fisher线性判别分析和最小二乘支持向量机两种识别模型的识别精度进行了比对分析.结果表明,利用高光谱原始全光谱反射率,结合最小二乘支持向量机建立叶片缺锰、缺锌症状识别模型,其建模集识别精度达91.88%,预测集识别率可以达到90.00%;利用连续投影算法筛选的40个特征波长,建立最小二乘支持向量机判别模型,其建模集识别精度为90.00%,预测集识别精度也达82.50%.表明基于高光谱成像技术对柑橘树缺锰、缺锌的准确识别是可行的,为高光谱成像技术应用于柑橘树缺素症的快速无损识别奠定了基础.
- 郭冬梅邓烈谢让金吕强吕强郑永强易时来何绍兰
- 关键词：哈姆林甜橙缺素高光谱成像最小二乘支持向量机
- 高光谱图像信息的柑橘叶片光合色素含量分析技术研究被引量：8
- 2014年
- 暗箱环境下采集柑橘叶片高光谱图像,采用阈值法提取整叶有效光谱信息区域的平均光谱,比对分析了柑橘叶片光谱信息不同预处理方法和光谱PLS、BPNN和LS-SVM预测模型对叶绿素a、叶绿素b和类胡萝卜素等光合色素含量的预测精度。结果显示,采用MSC对原始光谱进行预处理和LS-SVM建模对叶绿素a含量的预测效果较好,Rp达0.898 3,RMSEP为0.140 4;采用SNV光谱预处理和LS-SVM模型对叶绿素b含量的预测其Rp为0.912 3,RMSEP为0.042 6;采用MAS预处理和PLS模型对于类胡萝卜素含量预测的Rp和RMSEP分别为0.712 8和0.062 4。结果表明:采用高光谱图像信息可较好地进行柑橘叶片叶绿素a,叶绿素b和类胡萝卜素等光合色素含量的预测,为进一步研究柑橘叶片光合色素含量与组分构成的非损伤实时检测提供了依据。
- 田喜何绍兰吕强易时来谢让金谢让金廖秋红郑永强
- 关键词：柑橘叶片光合色素高光谱图像BP神经网络最小二乘支持向量机
- 柑橘花钾素营养的高光谱表征被引量：4
- 2014年
- 【目的】试验以枳橙砧‘卡拉卡拉红肉脐橙’花器为试材,利用高光谱技术对柑橘花钾素营养进行表征,以期为柑橘植株营养的信息化管理提供理论依据。【方法】探索通过单波长阈值分割法提取柑橘花高光谱图像信息,利用PLS建模筛选对柑橘花钾素含量响应最优光谱数据,以此数据建立i PLS和si PLS的钾素含量估测模型,筛选出特征波段及组合,建立柑橘花钾营养的高光谱估测技术。【结果】采用花朵高光谱扫描信息,设置670.66 nm光谱0.5~0.6灰度区间可以较好提取到柑橘花组织有效光谱信息,筛选出558.17~612.16 nm特征波长和558.17~612.16 nm、612.16~666.69nm、666.69~721.69 nm特征波段区间组合,柑橘花钾素含量估测si PLS模型的预测效果最佳,其校正集相关系数和均方根误差分别为0.954 7和0.089 0,预测集相关系数和均方根误差也分别达0.885 5和0.161 9。【结论】建立的柑橘花钾素含量估测有效信息提取方法、特征光谱以及最优预测模型,为柑橘花钾素营养实时检测奠定了基础。
- 刘艳丽何绍兰吕强易时来谢让金郑永强刘雪峰邓烈
- 关键词：钾素含量高光谱图像
- 基于近红外光谱的纽荷尔脐橙产地识别研究被引量：8
- 2015年
- 【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙果实品质和市场效应具有较大差异。研究基于近红外光谱技术的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用Sup NIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000—2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙�
- 廖秋红何绍兰谢让金钱春胡德玉吕强易时来郑永强邓烈
- 关键词：纽荷尔脐橙近红外光谱主成分分析人工神经网络支持向量机遗传算法
- 高光谱成像技术的柚类品种鉴别研究被引量：14
- 2015年
- 柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用Kennard-Stone法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析(PCA)和连续投影算法(SPA)提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的PCA-LS-SVM和SPA-LS-SVM模型。结果显示,基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的PCA-LSSVM和SPA-LS-SVM模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合PCA-LS-SVM和SPA-LS-SVM可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。
- 李勋兰易时来何绍兰吕强谢让金郑永强邓烈
- 关键词：高光谱成像连续投影算法主成分分析最小二乘支持向量机
- 基于小尺度的山地柑橘园土壤有效磷空间分布状况研究被引量：3
- 2014年
- 【目的】研究山地柑橘园土壤有效磷的空间分布状况。【方法】以ArcGIS Geostatisties模块为工具,通过小尺度采样,对土壤有效磷含量空间分布状况进行地统计分析。【结果】传统统计分析结果表明,研究区有效磷含量原始数据经域法处理和对数转换后呈正态分布,其平均值为20.13 mg·kg-1,变异系数为123.05%,属于强变异程度。地统计分析表明,研究区有效磷含量空间变异具有明显的二阶趋势和各向异性特征;其最佳半方差函数符合指数模型,具有中等程度的空间相关性[C0/(C0+C)=36.55%],是结构性因素和随机性因素共同作用的结果。通过普通Kriging插值,显示研究区有效磷含量分布呈较明显东西方向较高,南北方向较低的分布态势。以土壤营养分级标准对该果园土壤有效磷进行插值研究表明,试验园30.91%的区域土壤有效磷处于极缺乏状态,27.27%处于缺乏状态,36.36%为适量状态,5.45%为过量状态。【结论】该园区土壤磷素营养整体较为贫乏,应实行分区差异化管理。试验园地形地貌、土壤养分及管理方式等均是影响土壤有效磷空间变异的因素。研究结果为柑橘园磷素合理高效管理提供了理论依据。
- 李松伟邓烈何绍兰易时来谢让金郑永强吕强田喜
- 关键词：地统计学有效磷
- 蓬莱镇组紫色土光谱特征及其碱解氮预测方法研究被引量：3
- 2016年
- 从重庆忠县蓬莱镇组紫色土区域随机采集土样，在不同土样厚度（10、20、25、30mm）和粒径（〈0．150、0．150-0．180、0．180-0．250、0．250-0．425和0．425-0．850mm）下分别采集土样的可见近红外（425-1000nm）光谱反射率数据，采用偏最小二乘法（PLS）在土样可见近红外光谱反射率与碱解氮含量之间建立预测模型，对比分析了士样厚度和粒径对土样光谱特征及预测精度的影响。结果表明，就柑桔栽培而言，总体上忠县蓬莱镇组紫色土碱解氮含量处于适宜至缺乏水平范围，1／3区域的土壤缺氮；土样光谱反射率随土样厚度增加而增大，随士样粒径增大而减小；碱解氮含量光谱预测精度有随土样厚度增加、粒径增大而提高的趋势；在土样厚度30mm、粒径0．250-0．850mm条件下采集可见近红外光谱建立的PLS模型，预测效果较好。
- 汪志涛易时来吕强何绍兰谢让金郑永强王克健邓烈
- 关键词：碱解氮粒径偏最小二乘法
- 纽荷尔脐橙果实物理特性及化学成分的产地差异性研究(英文)被引量：3
- 2015年
- 研究不同产地对纽荷尔脐橙果实物理特性和化学组分的影响。实验样品采自中国17个产地代表性果园。结果表明:不同产区纽荷尔脐橙果实质量、总可溶性固形物(total soluble solids,TSS)含量、可滴定酸度(titratable acidity,TA)、糖组分、有机酸、矿质元素和氨基酸含量等物理特性和化学成分均显著不同。相关性分析结果显示,不同产区纽荷尔脐橙的品质特性、有机成分组分和含量、矿质元素含量以及氨基酸组分与年平均气温、年降雨量和日照时数的相关性不同。其中,TSS含量与年平均气温、年降雨量和日照时数都极显著相关;TA和VC含量均与年平均温度和日照时数有关;果肉中的精氨酸和天冬氨酸含量同日照时数和年降雨量成显著负相关,而果皮中的赖氨酸含量与相对湿度成极显著正相关。
- 胡德玉廖秋红谢让金何绍兰钱春吕强易时来郑永强邓烈
- 关键词：纽荷尔脐橙质量指标矿质元素
- 基于冠层高光谱信息的苹果树花量估测被引量：10
- 2016年
- 【目的】研究基于盛花期冠层高光谱数据的苹果花量估测技术,为植株花果管理和生产力预测技术的建立奠定基础。【方法】以5年生M9无性系砧木‘米奇嘎啦’苹果(Malus pumila‘Mitch Gala’)、树形为高纺锤形的植株为试材,在盛花期采集植株冠层可见-近红外高光谱图像,人工统计供试植株花量,比对分析基于原始光谱反射率(original reflectance spectra,OS)与Savitzky-Golay平滑法(savitzky-golay smoothing,SG)、正态变量标准化(standardization of normal variables,SNV)、标准化(Normalize)、一阶求导(first derivation,lst Der)、二阶求导(second derivation,2nd Der)共5种预处理的高光谱数据的偏最小二乘法(partial least squares method,PLS)模型,以及基于载荷系数法(x-loading weight,x-LW)提取的特征波长的PLS模型、人工神经网络(the back-propagation neural network,BPNN)、最小二乘支持向量机(the least squares support vector machines,LS-SVM)等模型对单株单位面积花量实时估测精度的影响。【结果】苹果树单株花量与单株单位面积花量具有较高的相关系数,表明采用冠层单位面积花量替代单株总花量进行树体花量估测可行。单株单位面积花量与植株冠层光谱反射率在紫外-可见光波长(308—700 nm)呈极显著正相关,在近红外波长(750—1 000 nm)相关性不显著。基于全波长,以Normalize预处理光谱建立的PLS模型对单株单位面积花量的预测效果最好,校正集决定系数(R_c^2)和预测集决定系数(R_p^2)分别为0.794和0.804,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.084、0.062,预测相对误差(RE%)为3.940。基于特征波长的BPNN模型稳定性差,而LS-SVM模型的建模效果较好,R_c^2和R_p^2分别为0.826和0.804,RMSEC和RMSEP分别为0.077、0.064,RE%为12.160。【结论】基于Normalize预处理的PLS模型对高纺锤形苹果树冠层单位面积花量的预测效果最优,同时,本研究利用高光谱成
- 刘颖王克健谢让金吕强何绍兰易时来郑永强邓烈
- 关键词：苹果树偏最小二乘法
- 脐橙可溶性固形物含量的光谱检测技术研究被引量：4
- 2014年
- 以晚熟脐橙为试材,采用近红外光谱技术与常规检测分析相结合的方法,对比和评价了基于果面和果汁光谱信息的脐橙可溶性固形物(TSS)含量预测模型精度,并筛选了可溶性固形物预测特征光谱.通过对果面和果汁原始光谱的多元散射校正(MSC)预处理,利用偏最小二乘法(PLS)分别建立了TSS预测模型,其中,当果面光谱主因子为5时,其对于可溶性固形物预测相关系数为最大(R=0.836 7)、预测均方根误差(RMSEP)为最小(RMSEP=0.490 3);而当果汁光谱主因子为8时,其对果汁可溶性固形物的预测相关系数为最大(R=0.905 8)、预测均方根误差为最小(RMSEP=0.523 6).采用联合区间偏最小二乘法(siPLS)对果面和果汁光谱特征波段组合进行筛选,获得果面光谱建模特征波段组合为1 000~1 107,1 750~1 857,2 071~2 177和2 178~2 284nm,建立的校正集和预测集模型相关系数分别为0.946 2和0.902 0,RMSECV为0.359 6,RMSEP为0.430 9;获得用于果汁光谱建模的特征波段组合为1 000~1 125,1 251~1 375,1 376~1 500和1 626~1 750nm,校正和预测模型相关系数分别为0.989 4和0.959 6,RMSECV为0.163 1,RMSEP为0.312 8.结果表明:试验所筛选出的果面和果汁近红外光谱特征波段组合建立的校正模型,均可用于晚熟脐橙TSS含量的无损检测,果汁光谱对于甜橙果实固形物含量预测精度高于果面光谱,近红外光谱技术用于橙汁固形物检测是可行的.
- 田喜何绍兰吕强易时来谢让金郑永强邓烈廖秋红
- 关键词：近红外漫反射光谱可溶性固形物
