首页|基于卷积神经网络与可见近红外光谱的土壤含氮量检测

基于卷积神经网络与可见近红外光谱的土壤含氮量检测

Detection of Soil Nitrogen Content Based on Convolution Neural Network and Visible-near Infrared Spectroscopy

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为实现土壤氮含量的快速检测,提出一种基于卷积神经网络(CNN)与可见近红外光谱的土壤氮含量检测方法.采用批量正则化及dropout技术提升模型性能,降低过拟合.实验中,对模型的训练次数及dropout丢弃比例进行了对比选择,并将结果与传统的PLSR及BP神经网络进行对比.结果表明,CNN模型的预测精度与泛化能力明显优于传统模型,测试集的决定系数分别比PLSR和BP神经网络高0.2731和0.1686,这表明CNN模型能够实现对土壤可见近红外光谱数据的特征提取,进而实现对土壤氮含量的快速检测,为后续的土壤养分快速检测仪器开发提供了基础.

唐永生、陈争光

展开 >

黑龙江八一农垦大学信息与电气工程学院,大庆 163319

黑龙江省现代农业物联网技术创新中心

可见近红外光谱 卷积神经网络 土壤含氮量 CNN模型

黑龙江省农垦总局重点科研计划项目黑龙江八一农垦大学研究生创新科研项目

HKKYZD190804YJSCX2019-Y77

2021

10.3969/j.issn.1002-2090.2021.03.015

黑龙江八一农垦大学学报
黑龙江八一农垦大学

黑龙江八一农垦大学学报

影响因子：0.888
ISSN：1002-2090
年,卷(期)：2021.33(3)
  • 3
  • 7