金彦
- 作品数：3 被引量：17H指数：2
- 供职机构：沈阳农业大学信息与电气工程学院更多>>
- 相关领域：农业科学理学更多>>
- 基于GA-BP神经网络高光谱反演模型分析玉米叶片叶绿素含量被引量：9
- 2018年
- 叶绿素是评价玉米健康状况的重要生理生化参数,而快速、准确检测玉米叶片叶绿素含量,是实现玉米长势及健康状况精准诊断的关键。为提高玉米叶片叶绿素含量的高光谱反演精度,以玉米试验小区为基础,测定了东北地区玉米不同生长期的叶片光谱反射率及其对应的叶绿素含量。首先采用一阶微分方法提取光谱特征,构建9种高光谱特征参数(Db、Dy、Dr、λb、λy、λr、SDb、SDy和SDr),并分析一阶微分光谱、高光谱特征参数与叶绿素含量间的相关关系,优选出与叶绿素含量相关性较高的3种特征参数作为自变量,分别为535nm处的一阶微分值、蓝边内最大一阶微分值Db、蓝边面积SDb,叶绿素含量实测值作为因变量,随后采用遗传算法对BP神经网络进行优化,建立BP神经网络(BPNN)和遗传算法优化的BP神经网络(GA-BPNN)反演模型,并对模型进行验证;再结合主成分回归(PCR)和偏最小二乘回归(PLSR)模型进行比较。结果表明:叶绿素含量与一阶微分光谱在535nm处具有最大相关系数(R=-0.738),并且与特征参数Db、SDb呈显著相关,相关系数R分别为-0.732和-0.728;遗传算法可以有效地对BPNN初始权值随机化、易陷入局部极值等不足实现优化,并为其定位出理想的搜索空间;GA-BPNN模型的建模集与验证集R2分别为0.878和0.898,RMSE为0.731,与其他反演模型相比,GA-BPNN模型的稳定性和预测能力均表现最好,可为定量预测玉米叶片叶绿素含量提供一定的理论和技术依据。
- 陈春玲金彦曹英丽于丰华冯帅周长献
- 关键词：玉米叶绿素含量遗传算法BP神经网络
- 基于单片机的循迹喷药小车设计被引量：1
- 2016年
- 为减少农药对人体的危害,设计一款基于单片机控制的循迹喷药小车,代替人工在温室大棚进行药物喷洒。采用单片机作为核心控制芯片,精心设计小车检测、驱动和喷洒等外围电路,利用C语言编写程序,实现小车智能循迹和自动喷洒功能。
- 金彦胡威刘阳陈春玲
- 关键词：智能小车单片机喷药
- 高光谱和NSGA2-ELM算法的粳稻叶片氮素含量反演被引量：7
- 2020年
- 为提供一种高效、快速和无损的粳稻叶片氮素含量反演方法,以粳稻小区试验为基础,利用高光谱技术和室内化学实验,获取粳稻分蘖期、拔节期和抽穗期三个生育期共280组叶片高光谱数据以及相对应的水稻叶片氮素含量数据,分析不同施氮水平的粳稻叶片光谱特征,采用随机青蛙算法(random_frog)与迭代和保留信息变量算法(IRIV)相结合的方式筛选特征波段,并将任意两个光谱波段随机组合构建差值植被指数DSI(Ri,Rj)、比值植被指数RSI(Ri,Rj)和归一化植被指数NDSI(Ri,Rj),分别将较优的特征波段组合和植被指数组合作为模型输入,构建BP神经网络、支持向量机(SVR)和非支配的精英策略遗传算法优化极限学习机(NSGA2-ELM)粳稻叶片氮素含量反演模型,并对模型进行验证分析。结果表明:随着施氮水平的增加,粳稻叶片近红外波段范围反射率逐渐升高,在可见光波段范围反射率逐渐降低。采用random_frog与IRIV相结合的方式筛选特征波段共得到8个特征波段,其中可见光波段7个,分别为414.2, 430.9, 439.6, 447.9, 682.7, 685.4和686.3 nm,近红外波段仅有1个为999.1 nm,该方法较好地剔除了干扰信息,大大降低了波段间的共线性。同时从三种植被指数(DSI(Ri,Rj), RSI(Ri,Rj), NDSI(Ri,Rj))与粳稻叶片氮素含量的决定系数等势图中可知, DSI(R648.1,R738.1), RSI(R532.8,R677.3)和NDSI(R654.8,R532.9)与叶片氮素含量相关性最好,R^2分别为0.811 4, 0.829 7和0.816 9。在输入参量不同的建模效果对比分析中,以特征波段组合作为模型输入所构建的模型反演效果略优于植被指数组合,R^2均大于0.7, RMSE均小于0.57。而在反演模型间的对比分析中,提出的NSGA2-ELM反演模型的估测效果要优于BP神经网络模型和SVR模型,训练集决定系数R^2为0.817 2,均方根误差RMSE为0.355 5,验证集R^2为0.849 7, RMSE为0.301 1。鉴于此, random_frog-IRIV筛选特征波段方法结合NSGA2-ELM建
- 冯帅曹英丽许童羽于丰华陈春玲赵冬雪金彦
- 关键词：高光谱数据植被指数反演模型
