基于集成学习的土壤速效氮近红外检测方法研究
这是一篇关于土壤,光谱分析,速效氮,特征选择,Boosting的论文, 主要内容为速效氮是土壤中的重要营养成分,它在土壤中的含量与作物的生长发育质量和最终产量水平息息相关。快速、准确地检测土壤中速效氮含量对测土配方施肥和作物的高产稳产有着关键作用。常见的土壤养分含量测定方法为实验室理化检测法,该方法测定精确,但是存在着低效、成本高和污染环境的缺陷,已无法满足现阶段精准农业的发展要求。近年来,可见-近红外光谱(Visible-Near Infrared Spectroscopy,VIS-NIR)技术凭借其高效、快速和无损等优点成为了土壤养分定量分析研究的热门方向,具有较大的发展潜力和应用价值。可见-近红外光谱技术在速效氮的测定研究中,存在着精度不高和波长冗余等问题。针对以上问题,本文选取了皖南不同地区的188份黄红壤土样本作为研究对象。通过改进预处理算法、优选波长变量和优化建模算法有效地提高了速效氮可见-近红外光谱定量分析模型的预测精度,并优选出了与土壤速效氮含量高相关性的信息子区间和波长变量。主要研究工作总结如下:(1)研究比较了不同预处理和建模方法对土壤速效氮含量预测模型的影响。搭建了室内可见-近红外光谱采集系统,分析了黄红壤土在350～1655 nm的原始和经过预处理校正的反射率光谱曲线特征,并基于7种不同预处理变换后的光谱数据分别结合5种建模算法进行校正建模。实验结果表明:不同预处理校正和建模方法对光谱数据建模有着较大影响,其中光谱经标准正态变量变换及其与SG卷积平滑的组合处理之后构建的模型稳健性最优。基于上述所提性能较好两种预处理变换后的数据,与偏最小二乘回归建模相比,集成学习中的自适应增强回归、梯度提升回归和极限梯度提升回归方法构建的模型性能较好,模型预测精度均为A级,最佳决定系数为0.921。(2)探究分析了与土壤速效氮含量相关的光谱特征。针对预处理校正后的光谱数据,先采用波段选择算法初步定位了与土壤速效氮含量相关的信息子区间600～999 nm,该子区间构建的模型决定系数达0.923。然后将优选波段作为初步解再采用5种波长选择算法进行细致地选择,有效地选择了波长点变量。将所选波长点变量输入Boosting算法构建了30个速效氮含量校正模型。实验结果表明:将波段选择和波长选择进行结合有效选择了与速效氮含量高度相关的波长点变量,所构建模型的精度均为A级。并进一步从所建模型中优选出了四个预测精度高、性能稳定的土壤速效氮定量分析模型,决定系数均大于0.94,且最优模型决定系数达到了0.944。基于提取的波长点变量成功构建了土壤速效氮含量预测模型,在简化模型、提高建模效率的同时提高了模型的性能。(3)设计开发了土壤速效氮养分分析系统。在构建的土壤速效氮可见-近红外光谱预测模型的基础上,为提高预测模型的实用价值和养分含量的检测效率,开发了基于B/S(Browser/Server,浏览器/服务器)架构的土壤养分分析系统。该系统可以通过网页端对土壤样本光谱数据信息进行导入和可视化分析,并自动对数据进行预处理、特征选择和回归建模。系统实现了对土壤养分含量的快速有效预测。本研究不仅提高了土壤速效氮含量的预测精度,而且在特征优选算法上进行了探讨。对建立土壤速效氮快速预测模型和专用微型光谱仪的设计具有一定的理论参考价值和应用意义。
改进的U-Net网络在高光谱影像湖泊水体信息提取中的应用
这是一篇关于珠海一号高光谱图像,光谱分析,水体提取,U-Net网络,多源数据的融合的论文, 主要内容为湖泊和水库水体是地球水资源的重要组成部分,对其快速和有效的监测有助于维持地球生态的平衡和稳定。近年来,一些常规水体提取算法在多光谱影像中已经取得了较好的效果,但由于高光谱影像波段相关性强,冗余新信息较多使得常规算法对其水体提取的效果较差。深度学习算法由于具有数据特征“自学习”的特性,并且可以对高维影像数据进行有效的特征提取与拟合,使得其在遥感影像的地物提取中有着很强的鲁棒性。所以,本文利用改进的U-Net深度学习网络对高光谱影像中湖泊等大面积水体进行了提取。其中主要工作可总结为以下三个方面:首先,将主成分分析(Principal Component Analysis,PCA)算法所获得的主成分特征与归一化差异水体指数(Normalized Difference Water Index,NDWI)特征进行融合,从而获得新的多特征影像,并使用多种子区域生长算法自动标注从新影像中随机选取的训练样本,减少了人工制作样本标签的时间。其次,基于小样本训练的情况下,本研究增加U-Net网络中编码器和解码器的卷积次数,得到了影像更深层次的特征信息,并且添加Batch Normalization层和Dropout层,规范了输入数据,加快了网络训练和收敛的速度,抑制了训练模型的过拟合。最后,利用数学形态学算法对改进U-Net网络的提取结果进行了后续优化,以减少过分割和欠分割的现象。本研究基于珠海一号高光谱影像进行了实验,并将提取结果与NDWI、马尔科夫随机场(Markov Random Field,MRF)、随机森林(Random Forest,RF)和经典U-Net网络的提取结果进行了详细比较。实验结果表明,该方法无论是定量还是视觉上都获得了最优的湖泊提取结果,并且有效的抑制了山体阴影在湖泊水体提取过程中的影响,为突破高光谱影像在湖泊水体提取中的局限性提供了一种有前景的方法。
陕西杨凌温室内外太阳辐射特性分析
这是一篇关于陕西杨凌,温室,光合有效辐射(PAR),光谱分析的论文, 主要内容为2015年3月至12月期间在陕西杨凌西北农林科技大学南校区模型温室使用光谱分析仪PS-300型测定春分、夏至、秋分、冬至时节阴晴天EVA塑料薄膜大棚、聚碳酸酯板模型温室、浮法玻璃模型温室及室外的全天太阳辐射光谱,通过杨凌区不同季节和不同材料覆盖下温室内外太阳辐射光谱特性,分析探讨了季节和使用材料不同时对于温室内不同波段光谱的影响与联系。主要结论有:(1)在春分和秋分时节,云层对于温室内光合有效辐射(PAR)及总辐射的影响较大,在典型阴天的情况下一般只为典型晴天的50%左右,在冬至时节,云层对于温室内PAR及总辐射的影响微小,典型晴天仅比典型阴天多;(2)温室内不同波段光谱在秋分开始下降到冬至,之后呈上升趋势至春分,其中冬至时总辐射为夏至时的15.51%;(3)EVA塑料薄膜、聚碳酸酯板及浮法玻璃三种材料中,EVA塑料薄膜的PAR透光性能最为优秀,其次是浮法玻璃,最后为聚碳酸酯板。紫外光透光性能与室外对照组相比比值结果为浮法玻璃>EVA塑料薄膜>聚碳酸酯板,影响因素中,远红光透光性能聚碳酸酯板≥EVA塑料薄膜>玻璃,差距较小。材料本身为核心影响源,结构遮光等为次要影响源;(4)全天PAR及总辐射波动曲线,冬至最为平滑,整体呈正态分布图案的形状,早晚变化明显,正午12时达到极值。秋分时曲线同样平滑,极值为下午1时,同时在上午10时出现大幅上升,下午4时出现大幅下降趋势直至。春分极值为下午2时,同秋分一样在上午10时及下午4时产生大幅度变化,且能在上午10时至下午4时一直保持较高水准,对于光合作用最有利;(5)总体PAR变化来看,夏至最高,秋分略大于春分,三者均远大于冬至,晴天的日变化曲线呈单峰型极值较高且比较平滑,阴天的日变化曲线极值较低波动比较大,多由于云层间断遮挡所致。
基于高光谱成像技术的柑橘褐斑病早期检测方法研究
这是一篇关于柑橘褐斑病,早期检测,高光谱成像,光谱分析,深度学习的论文, 主要内容为柑橘易受交链格孢菌(Alternaria alternata)侵染引起褐斑病(Citrus Brown Spot,CBS),防治不及时可能导致病害的大面积蔓延,而CBS病害的早期检测有利于提高施药处方决策的准确性和综合防治的针对性。传统的分子技术等理化方法虽然能准确地检测CBS病害,但检测过程专业性较高、需对测试样品进行破坏性处理,且检测成本较高。高光谱成像技术能通过非接触方式准确感知柑橘内部品质信息,因此,本文结合高光谱成像技术,以未成熟柑橘果实(Tribute Citru)为研究对象,研究基于机器学习的CBS病害程度检测方法,以实现CBS病害的早期诊断,主要贡献如下:(1)采集了健康(Sound)和接种交链格孢菌的感病未成熟皇帝柑样品感兴趣区域(Region Of Interesting,ROI)的高光谱数据(387-1025 nm),并根据致病菌侵染时间将感病样品划分成CBS致病菌侵染早期阶段(CBS-E)和CBS病害发病期阶段(CBS-L);其中,Sound、CBS-E和CBS-L类样本的高光谱数据量分别为330、676和668例;进一步,评估了多元散射校正(Multiple Scattering Correction,MSC)、标准正态变量变换(Standard Normal Variate,SNV)和标准化(Standardize,SL)方法的高光谱数据预处理性能,结果表明,与其它预处理算法相比,MSC能显著提高不同类别果实局部高光谱响应曲线的类间差异性,更有利于描述健康和不同感病程度或阶段下柑橘果实的高光谱响应特征。(2)基于统计机器学习的两阶段CBS病害早期检测方法。为降低病害检测模型训练时的拟合难度,通过两阶段决策思想将三类模式分类的学习问题分解成两个串接的二元分类学习任务,先对Sound类柑橘果实样本和感病柑橘果实样本(包含CBS-E和CBS-L类)进行第一阶段二元模式判别建模,以滤除健康果实样本;随后对CBS-E和CBS-L两类感病样本进行第二阶段二元模式判别建模,实现CBS致病菌侵染早期阶段的柑橘果实判别。以两阶段决策思想为基础,采用竞争性自适应重加权采样(competitive adapative reweighted sampling,CARS)从MSC预处理后的高光谱数据中提取特征光谱波段,并结合支持向量机(support vector machine,SVM)建立两个决策阶段下的CBS病害判别模型;实验结果表明,本文方法能获得更准确的CBS病害检测结果,总体平均准确率达到了86.16%,比常规三类分类决策模型的准确率提高了1.59%;此外,本文方法对CBS病害的早期检测准确率达到了79.82%,比常规三类分类决策模型的准确率提高了5.73%。(3)基于深度学习的CBS病害早期检测方法。为减少高光谱图像中的冗余信息以及深度卷积神经网络的模型参数量,首先利用主成分分析(Principle Component Analysis,PCA)对高光谱数据进行降维,提取了累计贡献率最高的前三个主分量图像作为深度卷积神经网络模型的输入;进一步,评估了Le Net、Alex Net、Micro Net、G-Ghost Net和Mobile Net五种深度学习算法对CBS病害的早期检测性能。实验结果表明,结合维数约简后的高光谱图像有助于深度学习模型聚焦于感染面积较小、程度较轻的局部区域,更有利于实现CBS早期病害的准确检测,;得益于Dropout层降低了对模型训练时的过拟合程度,Alex Net获得了最优的CBS病害早期检测效果,其对CBS病害的总体平均准确率达到了95.6%,比基于统计机器学习的检测方法提高了9.44%;此外,Alex Net对CBS-E类的病害检测准确率达到了94.17%,比基于统计机器学习的检测方法提高了14.35%。
基于智能手机的便携式光谱仪及其在疾病标志物检测中的应用研究
这是一篇关于光谱分析,智能手机,即时检测技术,智能手机应用程序,糖尿病肾脏疾病的论文, 主要内容为光谱仪是进行光谱分析时所需的基本仪器,可以将成分复杂的光分解为光谱线进行分析,从而判定物质的成分和含量,在环境监测、食品安全、疾病诊断等领域都有十分广泛的应用。传统工业和实验室中使用的商用光谱仪可以高精度和高分辨率地测量光谱,但它们体积庞大且操作复杂,往往需要经过培训的专业人员进行操作。现场快速检测(POCT)技术能够及时提供临床相关结果,使医护人员或普通使用者能够在现场快速做出判断,具有轻量便携、操作简单、成本低等优点。近年来,智能手机的快速发展及其在POCT领域中的广泛应用,使许多光学检测技术得以集成,光谱仪的开发和研究方向逐渐向小型化、便携化和智能化发展。本文研究并开发了一套基于智能手机的便携式光谱仪,采用3D打印技术将光谱检测系统集成化,并结合光谱检测原理,编写智能手机应用程序实现了对疾病标志物的快速定量检测。主要研究内容如下:1.研究并开发了基于智能手机的光谱检测硬件装置,光谱分辨率为0.226 nm/pixel。为解决普通LED灯光谱在470 nm左右有缺失导致检测黄色溶液的精确度不高的问题,设计了一个由波长范围在475～485 nm的窄带LED灯和5 mm宽的白光LED灯带组成的组合面光源,可以弥补普通LED灯光谱的缺失,具有较均匀的光谱,提高了检测黄色溶液的检测精确度。针对不同手机摄像头位置不同,本装置的设计可以灵活调节智能手机的放置位置,具有通用性。2.采用Java语言完成适用于Android系统的智能手机应用程序的开发,该应用程序主要包括三个功能:校准功能,检测功能和使用说明。对手机拍照获取的光谱图片进行波长校准,将光谱图片的像素位置转换成波长;然后基于朗伯比尔定律,在样品浓度与其吸光度之间建立检测的标准工作曲线;最后利用吸光度计算出未知样品溶液的浓度,实现待测物的快速定量检测。该应用程序可以直接得出待测物质的吸收光谱图和浓度,并可以将光谱图的数据导出进行进一步分析。3.对糖尿病肾脏疾病的相关生物标志物进行快速定量检测对该疾病的早期诊断与预防具有重要意义,本文利用开发的智能手机光谱仪,结合智能手机应用程序对葡萄糖、肌酐、NAG进行了快速定量检测,检测限分别为0.44 mmol/L、43.75μmol/L、1.33 ng/m L,检测结果与紫外可见分光光度计和酶标仪均具有良好的一致性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://m.bishedaima.com/lunwen/54217.html
