| 摘 要： |
玉米作为中国重要的粮食产物之一，其生长期间的健康检测一直是农业生产的重要问题。以受不同因素影响下生长的玉米叶片为研究对象，采用ASD光谱仪进行叶片光谱采集；对原始光谱数据进行导数(derivative, D)处理，针对经过求导后光谱部分数据无限趋向0的现象，引入压缩感知(compressed sensing, CS)方法，并采用迭代重加权最小二乘(iterative re-weighted least squares, IRLS)数据重建的方法对光谱数据进行恢复；然后选取竞争性自适应重加权算法(competitive adapative reweighted sampling, CARS),结合不同试验下的影响因素作为标签提取光谱特征；最后通过多层感知机分类模型(multi-layer perceptron, MLP),以达到判别生长状态不佳的农作物所受影响因素的目的。本次试验生成的D-CS-CARS-MLP模型的精度相较于传统模型精度有所提高，可以高达99%以上，可以看出该模型可以针对农作物生长状态不佳所受的影响因素进行判别。经过验证，D-CS-CARS-MLP模型具有较好的稳定性和精度，为植被健康生长监测提供了新的思路与方法。 |
在线留言
联系我们
所长信箱