在作用下使用超光谱图像进行非破坏性检测油菜叶中的含量
Xin Zhou1, Yang Liu2, Jun Sun2
1School of Electrical and Information Engineering of Jiangsu University, Zhenjiang 212013, China; Key Laboratory for Theory and Technology of Intelligent Agricultural Machinery and Equipment of Jiangsu University, Zhenjiang 212013, China; Jiangsu Province and Education Ministry Co-sponsored Synergistic Innovation Center of Modern Agricultural Equipment, Zhenjiang 212013, China.
The Science of the total environment
|July 28, 2024
概括
超光谱成像有效地评估了.
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:
- (Pb) 污染对油菜的生产构成重大威胁.
- (Si) 应用是减轻Pb植物毒性的潜在策略.
- 对Si对植物Pb吸收的影响进行准确的定量评估至关重要.
研究的目的:
- 评估超光谱成像 (HSI) 的可行性,以量化对油菜叶中的含量的影响.
- 开发和比较超频谱数据的高级特征波长提取算法.
- 为了优化油菜中含量的预测模型.
主要方法:
- 可见近红外高光谱数据 (400.891002.19 nm) 来自油菜叶.
- 预处理技术包括萨维茨基-戈莱平滑,减光和多重散射校正.
- 使用特征提取算法 (RICO,ICO-SR) 和优化算法 (WOA) 与支持向量回归 (SVR) 和部分最小平方回归 (PLSR) 进行模型开发.
主要成果:
- 改进的特征提取算法 (RICO,ICO-SR) 在识别代表性光谱信息方面表现出更高的效率.
- 支持向量回归 (SVR) 模型的表现普遍优于部分最小平方回归 (PLSR) 模型.
- 优化的MSC-RICO-WOA-SVR模型实现了最高的预测准确性 (Rp2 = 0.9436,RMSEP = 0.0501 mg/kg,RPD = 3.4651).
结论:
- 超光谱成像,加上先进的特征提取和优化算法,是一种有希望的非破坏性技术,用于评估在减少油菜中积累的有效性.
- 开发的模型为确定最佳应用率以减轻油菜中的污染提供了理论基础.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.6K
08:41A Rapid Laser Probing Method Facilitates the Non-invasive and Contact-free Determination of Leaf Thermal Properties
Published on: January 7, 2017
7.3K