公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

高光谱成像技术的油菜叶片氮含量及分布快速检测被引量：31: 2014年; 应用高光谱成像技术实现了油菜苗-花-角果整个生命期叶片氮含量的快速检测和氮素水平分布的可视化。采集三个生长时期共计420个叶片样本的高光谱图像信息(380~1 030nm),提取图像中感兴趣区域的平均光谱数据,经过不同光谱预处理后,利用连续投影算法(SPA)选择特征波长,将提取的12个特征波长(467,557,665,686,706,752,874,879,886,900,978和995nm)作为自变量,叶片氮含量作为因变量,分别建立偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)模型。SPA-PLS和SPA-LS-SVM模型对叶片氮含量的预测相关系数RP分别为0.807和0.836,预测均方根误差RMSEP分别为0.387和0.358。高光谱图像中的每一个像素点都有对应的光谱反射值,利用结构简单、更易提取回归系数的SPA-PLS模型,快速计算出12个特征波长下高光谱图像中每个像素点对应的氮含量预测值,结合像素点的空间位置生成氮素浓度的叶面分布图。可视化分布图详细且直观的反应出同一叶片内部或不同叶片之间氮含量的差异。结果表明,应用高光谱成像技术分析整个油菜生长期的叶片氮含量及其可视化分布是可行的。; 张筱蕾刘飞聂鹏程何勇鲍一丹; 关键词：高光谱成像油菜氮素分布偏最小二乘法连续投影算法

基于高光谱成像技术的菜青虫生命状态检测研究被引量：4: 2014年; 采用近红外高光谱成像技术对菜青虫的存活与死亡状态进行了研究，通过提取菜青虫不同状态的光谱信息，建立判别分析模型。以不同预处理方法对所提取的951．5～1649．2 nm光谱进行预处理，并建立偏最小二乘判别分析（partial least square-discriminant analysis，PLS-DA）模型对菜青虫的生死状态进行判别分析，判别正确率接近或达到100％。用移动平均（moving average，MA）5点平滑光谱分别采用连续投影算法（successive projections algorithm，SPA）以及加权回归系数（weighted regression coefficient，Bw ）分别选取了17和20个特征波长进行生与死状态的判别。基于特征波长建立了 PLS-DA，K 最邻近节点算法（K-nea-rest neighbor，KNN），BP神经网络（back propagation neural network，BPNN）以及支持向量机（support vec-tor machine，SVM）模型，判别正确率接近100％。结果表明采用近红外高光谱成像技术对菜青虫生命状态的研究是可行的，为作物虫害的快速诊断提供了新方法。; 宋革联余俊霖刘飞何勇陈丹莫旺成; 关键词：虫害生命状态高光谱成像

采用可见/近红外光谱检测大麦叶片过氧化氢酶与过氧化物酶含量的研究被引量：4: 2014年; 采用可见/近红外光谱对丙酯草醚胁迫下大麦叶片过氧化氢酶(catalase,CAT)与过氧化物酶(peroxidase,POD)含量预测进行研究。对500~900nm光谱采用移动平均法(moving average,MA)11点平滑方法进行预处理。采用蒙特卡罗-偏最小二乘法(monte carlo-partial least squares,MCPLS)方法分别对于CAT与POD的含量预测剔除7个与8个异常样本。基于全部光谱建立了CAT与POD含量预测的PLS,最小二乘支持向量机(least-squares support vector machine,LS-SVM)与极限学习机(extreme learning machine,ELM)模型,ELM模型对CAT含量预测效果最好,建模集相关系数(correlation coefficient of calibration,Rc)为0.916,预测集相关系数Rp为0.786;PLS模型对POD含量预测效果最佳,Rc为0.984,Rp为0.876。采用连续投影算法(successive projections algorithm,SPA)算法分别为CAT与POD预测选择了8个与19个特征波长,基于特征波长建立的PLS,LS-SVM与ELM模型中,ELM模型对CAT与POD含量预测效果均最佳,CAT含量预测的相关系数为Rc=0.928,Rp=0.790;POD含量预测的相关系数Rc=0.965,Rp=0.941。基于全谱与基于特征波长的回归分析模型预测效果相当,且对POD含量的预测效果优于对CAT含量的预测效果,而这需要进一步研究以得到精度和稳定性更高的预测模型。研究结果表明,采用可见/近红外光谱结合化学计量学方法可以实现对除草剂胁迫下大麦叶片CAT与POD含量的预测。; 赵芸张初刘飞孔汶汶何勇; 关键词：大麦丙酯草醚过氧化氢酶过氧化物酶

高光谱成像技术结合特征提取方法的草莓可溶性固形物检测研究被引量：11: 2015年; 采用高光谱成像技术结合不同的特征提取方法,实现了对草莓可溶性固形物含量的检测。通过提取154颗成熟无损伤草莓的高光谱图像的874~1 734nm范围光谱信息,对941~1 612nm光谱采用移动平均法（moving average,MA）进行预处理。基于残差法剔除19个异常样本后将剩余135个样本分为建模集（n=90）和预测集（n=45）。采用连续投影算法（successive projections algorithm,SPA）,遗传偏最小二乘算法（genetic algorithm-partial least squares,GAPLS）结合连续投影算法（GAPLS-SPA）,加权回归系数（weighted regression coefficient,Bw）以及CARS法（competitive adaptive reweighted sampling）选择特征波长分别提取14,17,24与25个特征波长,并采用主成分分析（principal component analysis,PCA）与小波变换（wavelet transform,WT）分别提取20与58个特征信息。分别基于全波段光谱、特征波长与特征信息建立PLS模型。所有模型都取得了较好的效果,基于全波段光谱的PLS模型与基于WT提取的特征信息的PLS模型的效果最优,建模集相关系数（rc）与预测集相关系数（rp）均高于0.9。结果表明高光谱成像技术结合特征提取方法可用于草莓可溶性固形物含量的检测。; 丁希斌张初刘飞宋星霖孔汶汶何勇; 关键词：高光谱成像草莓可溶性固形物特征提取

不同波长提取方法的高光谱成像技术检测番茄叶片早疫病的研究被引量：12: 2014年; 提出了基于连续投影算法（successive projections algorithm ，SPA）、载荷系数法（x-loading weights ， x-LW）和格拉姆-施密特正交（gram-schmidt orthogonalization ，GSO）提取特征波长的高光谱成像技术检测番茄叶片早疫病的方法。首先获取380～1023 nm波段范围内70个健康和70个染病番茄叶片的高光谱图像信息，然后提取健康和染病叶片感兴趣区域（region of interest ，ROI）的光谱反射率值，建立番茄叶片早疫病的最小二乘-支持向量机（least squares-support vector machine ，LS-SVM ）鉴别模型，建模集和预测集的鉴别率都是100％。再通过SPA 、x-LW和GSO提取特征波长（effective wavelengths ，EW），并建立EW-LS-SVM和特征波长-线性判别分析（ew-linear discriminant analysis ，EW-LDA ）鉴别模型。结果显示，每个模型的鉴别效果都很好，EW-LS-SVM模型中预测集的鉴别率都达到了100％，EW-LDA模型中预测集的鉴别率分别是100％，100％和97.83％。基于 SPA ， x-LW 和 GSO 所建模型的输入变量分别是4个（492，550，633和680nm），3个（631，719和747 nm）和2个（533和657 nm），较少的特征波长便于实时检测仪器的开发。结果表明，高光谱成像技术检测番茄叶片早疫病是可行的，SPA ，x-LW和GSO都是非常有效的特征波长提取方法。; 程术希谢传奇王巧男何勇邵咏妮; 关键词：高光谱成像线性判别分析番茄早疫病

高光谱成像技术检测高温障碍胁迫下番茄叶片色差的研究被引量：1: 2015年; 提出了利用可见/近红外高光谱成像技术检测高温障碍胁迫下番茄叶片色差的方法。首先采集380~1 023nm波段范围内60个高温障碍胁迫和60个健康番茄叶片的高光谱图像,同时获取全部叶片的色差值（L＊,a＊和b＊）,然后提取所有样本的高光谱图像中感兴趣区域（region of interest,ROI）的光谱反射率值。基于不同预处理方法建立偏最小二乘（partial least squares,PLS）预测模型,再利用连续投影算法（successive projections algorithm,SPA）提取特征波长并建立SPA-PLS预测模型。最后分别基于全波段和特征波段建立偏最小二乘-判别分析（partial least squares-discriminant analysis,PLS-DA）模型。结果显示,全波段中基于原始光谱信息建立的模型效果最好,3个色差值的预测集决定系数（determination coefficient,R2）分别是0.818,0.109和0.896;基于特征波长建立的模型预测集R2分别是0.591,0.244和0.673;所有模型预测集的总体识别率均大于77.50%。结果表明,可见/近红外高光谱成像技术检测番茄叶片色差值（L＊和b＊）和识别高温障碍样本是可行的。; 谢传奇邵咏妮高俊峰何勇; 关键词：高光谱成像色差值高温障碍偏最小二乘番茄

近红外高光谱成像技术快速鉴别国产咖啡豆品种被引量：29: 2015年; 结合近红外高光谱成像技术和不同的判别分析模型对4种国产咖啡豆品种进行了快速无损判别。通过高光谱成像仪提取874-1 734nm波段内的光谱数据,去除首尾噪声波段后,分别基于925-1 680nm波段的全谱波段和通过连续投影算法（SPA）选择的特征波长,建立了偏最小二乘判别分析（PLS-DA）、随机森林（RF）、K最邻近算法（KNN）、支持向量机（SVM）模型和极限学习机（ELM）5种判别分析模型。基于上述判别模型对咖啡豆品种进行鉴别;然后通过准确率、命中率和否定率3个参数对鉴别结果进行了评价。实验显示,基于全谱和特征波段建立的模型均取得了较好的判别效果,其中ELM模型效果均为最优,每个品种建模集和预测集的准确率、命中率和否定率均在93.5%以上。研究结果表明,基于近红外高光谱成像技术结合模型判别分析方法可以实现对国产咖啡豆品种的识别,特征波长的选择减少了变量数,但判别效果与全谱相当。; 鲍一丹陈纳何勇刘飞张初孔汶汶; 关键词：咖啡豆判别分析模型极限学习机

竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害被引量：30: 2017年; 基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380~1 023nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554,694,696,738和880nm)和4个(527,555,571和633nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。; 王海龙杨国国张瑜鲍一丹何勇; 关键词：支持向量机番茄灰霉病

番茄叶片早疫病近红外高光谱成像检测技术被引量：10: 2015年; 提出了基于格拉姆斯密特（MGS）模型和贝叶斯罗蒂斯克回归（BlogReg）的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874-1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶片30像素×30像素感兴趣区域的光谱反射率。建立了番茄叶片早疫病的最小二乘-支持向量机（LS-SVM）识别模型,再通过MGS和BlogReg提取特征波长（EW）,分别得到5个（911、1 409、1 511、1609、1 656 nm）和9个（901、905、908、915、918、1 123、1 305、1 460、1 680 nm）特征波长,并建立EW-LS-SVM和EWLDA模型。在所有模型中,建模集的正确识别率为93%-98%,预测集的正确识别率为96%-100%。结果表明,近红外高光谱成像技术检测番茄叶片早疫病是可行的,MGS和BlogReg都是有效的特征波长提取方法。; 谢传奇方孝荣邵咏妮何勇; 关键词：番茄早疫病近红外光谱

全选清除导出

共1页<1>

中央高校基本科研业务费专项资金(2014FZA6005)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

中央高校基本科研业务费专项资金(2014FZA6005)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈