相关实验视频
Updated: Jun 26, 2025
07:21
Deep Fluorescence Observation in Rice Shoots via Clearing Technology
Published on: June 27, 2022
2.9K
超光谱和光成像方法用于非破坏性检测大米叶绿素
Ju Zhou1, Feiyi Li1, Xinwu Wang2
1College of Information Engineering, Sichuan Agricultural University, Ya'an 625000, China.
Plants (Basel, Switzerland)
|May 11, 2024
概括
使用光谱分析准确估计米叶的叶绿素含量,是精准农业的关键. 具有先进特征提取和机器学习的光光谱学提供了一种快速,非破坏性的作物健康监测方法.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 频谱学是一种光谱学.
背景情况:
- 叶绿素含量估计对于水作物管理至关重要,影响肥,产量和质量.
- 评估叶绿素的非破坏性方法对于优化农业实践和可持续性至关重要.
研究的目的:
- 开发一种准确的,非破坏性的方法,用光谱分析来估计大米叶中的叶绿素含量.
- 为此目的,评估各种特征提取和机器学习算法的有效性.
主要方法:
- 从大米叶样本收集了90个实验光谱数据集.
- 应用特征提取算法来压缩光谱带并揭示相关性.
- 使用高光谱和光光谱数据构建和评估机器学习模型 (包括CNN+LSTM).
主要成果:
- 代变量子集优化-间隔变量代空间缩小方法 (IVSO-IVISSA) 结合光数据和CNN+LSTM实现了最佳的预测性能.
- 通过最佳方法实现了0.26的RMSE-Train,0.29的RMSE-Test和2.64的RPD.
- 证明了光谱分析与特征提取和机器学习相结合的有效性,用于叶绿素估计.
结论:
- 超光谱和光谱,加上先进的分析技术,为快速,非破坏性的作物健康监测提供了一种新方法.
- 这种方法对于推进智能和精准农业至关重要,使资源管理能够得到优化.
更多相关视频
07:58Author Spotlight: Non-Invasive High-Resolution Measurement of Chlorophyll Synthesis During De-Etiolation
Published on: January 12, 2024
768
10:20Evaluation of Photosynthetic Behaviors by Simultaneous Measurements of Leaf Reflectance and Chlorophyll Fluorescence Analyses
Published on: August 9, 2019
12.6K
