论文部分内容阅读
橡胶树是我国重要的天然橡胶的生产源,而氮素含量为其重要的营养指标。为了快速无损地检测成年橡胶树叶片的氮素含量,以便对橡胶树的营养指标作出判断。本文研究了基于可见光/近红外光谱的橡胶树氮素含量快速检测算法及模型,主要研究工作包括以下三个方面:(1)研究了橡胶树叶片光谱数据的特征提取算法并建立回归模型。本文在分析光谱数据特点的基础上,采用了基于SCARS (Stability Competitive Adaptive Reweighted Sampling,稳定性竞争自适应重加权采样)算法的橡胶树叶片光谱特征数据的选取方法。之后再分别与非线性回归模型BPNN (BP神经网络)和LSSVM(最小二乘支持向量机)相结合,建立橡胶树叶片氮素含量定量回归模型SCARS-LSSVM, SCARS-BPNN。(2)研究了本文采用的定量回归模型与常用模型之间的对比。采用本文采用的模型 SCARS-LSSVM,SCARS-BPNN 分别在可见光(450nm～780nm),近红外(781nm～2400nm),以及可见光/近红外(450nm～2400nm)波段预测氮素含量,并加入六个常用模型:PCA-BPNN, PCA-PLS,PCA-LSSVM, SPA-BPNN, SPA-PLS和SPA-LSSVM进行比较,实验结果表明本文采用的模型SCARS-LSSVM预测效果要优于以上六个常用模型,其预测相关系数Rp和预测残差均方根RMSEP分别达到了 0.9568 和 0. 1168。(3)进一步明确了橡胶树叶片光谱检测的主要特征波段。将SCARS, SPA,PCA这三种数据提取方法进行比较,对于PCA算法中3个主成分的方差累计贡献率达到了 0.90以上,但是可能由于实验样本未经氮胁迫处理,光谱数据较为分散,3个主成分不足以代表该组数据的大部分特征。对于SCARS和SPA而言,在450nm～2400nm段上SPA共选取了 27个点,而SCARS共选取了 42个点,对光谱反射率数据与氮素含量相关系数绝对值较高的几个波段进行分析发现:在700nm～1380nm段内,SPA选择了 8个点,而SCARS选择了 11个点,在1800nm～1850nm段,SPA选择了 2个点,SCARS选择了 5个点,在2150nm～2250nm段,SPA没有选择点,而SCARS选择了 6个点。因此719nm～1342nm, 1800nm～1850nm, 2150nm～2250nm为橡胶树叶片氮素光谱敏感波段。