光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2008年
9期
2156-2160
,共5页
刘占宇%黄敬峰%陶荣祥%张红志
劉佔宇%黃敬峰%陶榮祥%張紅誌
류점우%황경봉%도영상%장홍지
病害严重度%水稻胡麻斑病%主成分分析%径向基函数%神经网络
病害嚴重度%水稻鬍痳斑病%主成分分析%徑嚮基函數%神經網絡
병해엄중도%수도호마반병%주성분분석%경향기함수%신경망락
对植被病害严重度的精确预测是采取植保措施的关键,同时对减少农药使用量也具有积极意义.该研究首先对叶片光谱反射数据进行重采样和求一阶、二阶微分,再用主成分分析PCA技术对上述变换光谱进行分析,最后结合径向基函数神经网络RBFN对水稻胡麻叶斑病严重度进行预测.将全部的光谱数据和病害严重度分为两组,75%用于网络训练,25%用作网络性能测试.文中对预测结果准确性有重要影响的径向基函数扩展速率和不同的数据处理方法进行了讨论,研究发现,一阶微分光谱经PCA压缩后,获得主分量光谱,输入RBN,病害严重度的预测均方根误差仅有7.73%.表明:主成分分析和径向基函数神经网络(PCA-RBFN)相结合,可以对水稻胡麻斑病严重度进行快速、精确的估算.
對植被病害嚴重度的精確預測是採取植保措施的關鍵,同時對減少農藥使用量也具有積極意義.該研究首先對葉片光譜反射數據進行重採樣和求一階、二階微分,再用主成分分析PCA技術對上述變換光譜進行分析,最後結閤徑嚮基函數神經網絡RBFN對水稻鬍痳葉斑病嚴重度進行預測.將全部的光譜數據和病害嚴重度分為兩組,75%用于網絡訓練,25%用作網絡性能測試.文中對預測結果準確性有重要影響的徑嚮基函數擴展速率和不同的數據處理方法進行瞭討論,研究髮現,一階微分光譜經PCA壓縮後,穫得主分量光譜,輸入RBN,病害嚴重度的預測均方根誤差僅有7.73%.錶明:主成分分析和徑嚮基函數神經網絡(PCA-RBFN)相結閤,可以對水稻鬍痳斑病嚴重度進行快速、精確的估算.
대식피병해엄중도적정학예측시채취식보조시적관건,동시대감소농약사용량야구유적겁의의.해연구수선대협편광보반사수거진행중채양화구일계、이계미분,재용주성분분석PCA기술대상술변환광보진행분석,최후결합경향기함수신경망락RBFN대수도호마협반병엄중도진행예측.장전부적광보수거화병해엄중도분위량조,75%용우망락훈련,25%용작망락성능측시.문중대예측결과준학성유중요영향적경향기함수확전속솔화불동적수거처리방법진행료토론,연구발현,일계미분광보경PCA압축후,획득주분량광보,수입RBN,병해엄중도적예측균방근오차부유7.73%.표명:주성분분석화경향기함수신경망락(PCA-RBFN)상결합,가이대수도호마반병엄중도진행쾌속、정학적고산.
