光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
2期
522-526
,共5页
孙俊%武小红%张晓东%高洪燕
孫俊%武小紅%張曉東%高洪燕
손준%무소홍%장효동%고홍연
BP-ANN%PLS-ANN%MLR%高光谱图像
BP-ANN%PLS-ANN%MLR%高光譜圖像
BP-ANN%PLS-ANN%MLR%고광보도상
为了便于生菜合理施水管理,力求构建生菜叶片水分检测模型.采集生菜叶片获取高光谱图像并同时测量叶片含水率,分析高光谱图像寻求生菜叶片水分特征波段,处理特征波段处的波段图像,求取生菜叶片水分的图像特征,并通过相关性分析筛选出其中与水分相关性高的图像特征.由于图像特征之间存在可能的相关性,利用偏最小二乘PLS提取图像特征的主成分,作为具有回归预测能力的BP神经网络的输入,构建PLS-ANN模型.同时分别利用BP神经网络、传统的多元回归方法MLR建模,采用相同的样本数据分别对三种模型进行预测试验,结果表明,发棵期的PLS-ANN网络模型的生菜叶片水分预测平均误差率达到9.323％,比BP-ANN和MLR预测模型均有了改善.
為瞭便于生菜閤理施水管理,力求構建生菜葉片水分檢測模型.採集生菜葉片穫取高光譜圖像併同時測量葉片含水率,分析高光譜圖像尋求生菜葉片水分特徵波段,處理特徵波段處的波段圖像,求取生菜葉片水分的圖像特徵,併通過相關性分析篩選齣其中與水分相關性高的圖像特徵.由于圖像特徵之間存在可能的相關性,利用偏最小二乘PLS提取圖像特徵的主成分,作為具有迴歸預測能力的BP神經網絡的輸入,構建PLS-ANN模型.同時分彆利用BP神經網絡、傳統的多元迴歸方法MLR建模,採用相同的樣本數據分彆對三種模型進行預測試驗,結果錶明,髮棵期的PLS-ANN網絡模型的生菜葉片水分預測平均誤差率達到9.323％,比BP-ANN和MLR預測模型均有瞭改善.
위료편우생채합리시수관리,력구구건생채협편수분검측모형.채집생채협편획취고광보도상병동시측량협편함수솔,분석고광보도상심구생채협편수분특정파단,처리특정파단처적파단도상,구취생채협편수분적도상특정,병통과상관성분석사선출기중여수분상관성고적도상특정.유우도상특정지간존재가능적상관성,이용편최소이승PLS제취도상특정적주성분,작위구유회귀예측능력적BP신경망락적수입,구건PLS-ANN모형.동시분별이용BP신경망락、전통적다원회귀방법MLR건모,채용상동적양본수거분별대삼충모형진행예측시험,결과표명,발과기적PLS-ANN망락모형적생채협편수분예측평균오차솔체도9.323％,비BP-ANN화MLR예측모형균유료개선.
