公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

基于近红外光谱的设施栽培水果黄瓜磷元素亏缺初期快速诊断被引量：9: 2011年; 磷元素(P)亏缺初期,水果黄瓜植株根部叶片出现小斑点,其症状的外观特征与健康植株根部叶片老化初期类似,难以用肉眼或者计算机图像处理技术识别。本文根据近红外光谱能够反映叶片组织中有机物组分的差异,运用近红外光谱技术对水果黄瓜植株磷元素亏缺进行了快速诊断研究。精确控制营养液中磷元素含量,通过设施栽培方式培养缺磷植株和对照样本。近红外光谱仪采集了90片叶子的原始光谱(60片作为训练集,30片作为预测集),经光谱预处理和窗口宽度优化后均匀划分为27个子区间,分别提取每个子区间的10个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,以叶片缺素情况作为输出变量,建立3层BP-ANN诊断模型。当主成分因子数为3时,第7个子区间对应的模型效果最佳,模型对缺磷叶片和正常叶片的预测准确率均达到100%。研究表明:近红外光谱技术结合BP-ANN快速诊断水果黄瓜磷元素亏缺是可行的。; 石吉勇邹小波赵杰文毛罕平王开亮陈正伟黄晓玮; 关键词：缺素诊断近红外光谱技术磷元素水果黄瓜 BP人工神经网络

黄瓜叶片叶绿素含量近红外光谱无损检测被引量：13: 2011年; 为了简化黄瓜叶片叶绿素光谱模型和提高模型预测精度,采用联合区间偏最小二乘法(SiPLS)结合净分析物法(NAS)提取近红外光谱的特征信息,建立了黄瓜叶片叶绿素光谱模型。收集了110片新鲜黄瓜叶片,用近红外光谱仪采集光谱数据后立刻用化学分析方法测定叶绿素含量。原始光谱经过SNV预处理和子区间总数优化后,将全光谱均匀划分为29个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在上述特征子区间的基础上,用净分析物法分离光谱中同叶绿素相关的光谱信息,并结合线性回归法建立了叶绿素光谱模型。模型对应的校正集相关系数Rc、校正均方根误差、预测集相关系数Rp和预测均方根误差分别为0.947 2、0.079 5 mg/g、0.925 0和0.090 6 mg/g。结果表明:联合区间偏最小二乘法结合净分析物法能够有效提取叶绿素的特征光谱信息,提高模型精度的同时降低其复杂度。; 石吉勇邹小波赵杰文毛罕平王开亮陈正伟; 关键词：黄瓜叶片叶绿素无损检测近红外光谱

近红外光谱技术快速无损诊断黄瓜植株氮、镁元素亏缺被引量：24: 2011年; 为了快速无损诊断黄瓜植株氮、镁元素亏缺,以K-最近邻域法(k-nearest neighbors,KNN)模型识别率作为遗传算法中染色体的适应度值,采用遗传算法(genetic algorithm,GA)优选近红外光谱特征子区间,交互验证优化主成分因子数和K值后建立了特征子区间对应的GA-KNN诊断模型。通过控制营养液中氮和镁的含量,在温室大棚内以无土栽培方式培育氮、镁元素亏缺植株,并用近红外光谱仪采集缺氮、缺镁植株老叶的光谱信息。结果表明:原始光谱经过标准正交变换预处理和子区间总数优化后,均匀划分为42个子区间,遗传算法优选出第6、9、13、17、18、24、34和37共8个特征子区间,当主成分因子数为5,K值为5时得到最优GA-KNN诊断模型。模型对应的训练集识别率为98%,预测集识别率为96%,优于全光谱Bayes和KNN模型的诊断效果。试验证明利用近红外光谱技术快速无损检测黄瓜氮和镁元素亏缺是可行的。; 石吉勇邹小波赵杰文毛罕平王开亮陈正伟黄晓玮; 关键词：氮元素黄瓜植株缺素诊断近红外光谱技术

BiPLS结合模拟退火算法的近红外光谱特征波长选择研究被引量：33: 2011年; 为了简化近红外光谱模型,提高对草莓可溶性固形物含量的预测精度,将反向偏最小二乘法(BiPLS)与模拟退火算法(Simulated annealing algorithm,SAA)相结合优选特征波长,建立了多元线性回归可溶性固形物光谱模型.原始光谱经过预处理后,用反向偏最小二乘法优选出4个特征子区间(分别为第8、13、16、17);对所选的特征子区间,进一步用模拟退火算法选择可溶性固形物的特征波长.在SAA选择出的7565 cm-1、7706 cm-1、8289 cm-1、8489 cm-1、8499 cm-1、8724 cm-1、8807 cm-1 7个特征波数点的基础上建立了预测模型.模型的预测均方根误差为0.428,优于偏最小二乘法、向后区间偏最小二乘法建模结果.研究结果表明:反向偏最小二乘法结合模拟退火算法可以有效选择近红外光谱特征波长.; 石吉勇邹小波赵杰文毛罕平; 关键词：近红外光谱模拟退火算法波长选择

全选清除导出

共1页<1>

江苏省普通高校研究生科研创新计划项目(CX10B277Z)