| 基于高光谱和深度迁移学习的柑橘叶片钾含量反演 |
| |
| 引用本文： | 岳学军,凌康杰,王林惠,岑振钊,卢杨,刘永鑫.基于高光谱和深度迁移学习的柑橘叶片钾含量反演[J].农业机械学报,2019,50(3):186-195. |
| |
| 作者姓名： | 岳学军 凌康杰 王林惠 岑振钊 卢杨 刘永鑫 |
| |
| 作者单位： | 华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学 |
| |
| 基金项目： | 国家自然科学基金项目（30871450）、广东省科技计划项目（2015A020224036、2014A020208109、2016A020210081）、广东省水利科技创新项目（2016-18）和广州市科技计划项目（201803020022） |
| |
| 摘 要： | 针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱,同步采用火焰光度法测定叶片的钾含量;先用正交试验确定小波去噪的最佳去噪参数组合,再进行不同光谱形式变换,对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络(Stacked sparse autoencoder-deep learning networks,SSAE-DLNs)的特征提取迁移和融合多种特征,对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型,结果表明,模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优,其校正集和验证集决定系数分别为0. 898 8、0. 877 1,均方根误差分别为0. 544 3、0. 552 8。试验表明,深度迁移学习网络可对柑橘叶片钾含量进行精确预测,为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。
|
| 关 键 词： | 柑橘叶片 钾含量 深度迁移学习 堆栈稀疏自动编码机 高光谱 支持向量回归 |
| 收稿时间： | 2018/9/17 0:00:00 |
Inversion of Potassium Content for Citrus Leaves Based on Hyperspectral and Deep Transfer Learning |
| |
| YUE Xuejun,LING Kangjie,WANG Linhui,CEN Zhenzhao,LU Yang and LIU Yongxin.Inversion of Potassium Content for Citrus Leaves Based on Hyperspectral and Deep Transfer Learning[J].Transactions of the Chinese Society of Agricultural Machinery,2019,50(3):186-195. |
| |
| Authors: | YUE Xuejun LING Kangjie WANG Linhui CEN Zhenzhao LU Yang and LIU Yongxin |
| |
| Affiliation: | South China Agricultural University,South China Agricultural University,South China Agricultural University,South China Agricultural University,South China Agricultural University and South China Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | citrus leaves potassium content deep transfer learning stacked sparse autoencoder hyperspectral support vector regression |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
