国家重点实验室开放基金(090402)
- 作品数:2 被引量:29H指数:2
- 相关作者:郑可锋张浩胡昊刘玉学吴春艳更多>>
- 相关机构:浙江省农业科学院中国农业科学院中国水稻研究所更多>>
- 发文基金:国家重点实验室开放基金公益性行业(农业)科研专项国家自然科学基金更多>>
- 相关领域:农业科学更多>>
- 水稻叶片氮素及籽粒蛋白质含量的高光谱估测模型被引量:22
- 2012年
- 研究水稻叶片氮素和籽粒蛋白质含量的高光谱快速、无损监测方法,对于水稻营养诊断、籽粒品质监测及氮肥高效利用具有重要意义。本文通过水稻盆栽试验,测定水稻叶片氮素、籽粒蛋白质含量和冠层光谱,采用不同的光谱建模方法来提高氮素、籽粒蛋白质含量的估测精度。先用主成分分析(PCA)方法进行特征波段的提取,再用多元线性回归(MLR)、人工神经网络(ANN)和偏最小二乘回归(PLSR)进行建模。结果表明,水稻叶片氮素和籽粒蛋白质含量与特征光谱存在很好的模型关系,3种模型预测的决定系数(R2p)均在0.847以上,并以PLSR模型的预测效果为最好,可以实现水稻氮素营养和籽粒品质的高光谱估测。
- 张浩胡昊陈义唐旭吴春艳刘玉学杨生茂郑可锋
- 关键词:水稻氮素主成分分析偏最小二乘回归
- 识别不同水稻株型的高光谱模式方法的建立被引量:7
- 2010年
- 提出了一种用高光谱技术快速识别不同水稻株型的新方法。首先在试验田内选择33个不同的水稻品种,测定了每个品种的14个株型特征参数,并采用荷兰Avantes公司的AvaSpec-2048便携式光谱仪采集不同株型水稻的高光谱数据。通过聚类分析,将所有水稻品种分为差异较大的3个株型类别。再采用平均平滑法和标准归一化方法对光谱数据进行预处理,对光谱数据主成分分析并获得各主成分数据。最后将主成分数据作为BP神经网络的输入变量,株型类别作为输出变量,建立了三层人工神经网络识别模型,并用模型对预测样本进行预测。结果表明,预测准确率为100%。该方法实现了对不同水稻株型的快速、无损识别。
- 张浩欧阳由男王会民朱练峰金千瑜郑可锋
- 关键词:光谱特征水稻主成分分析人工神经网络