基于近红外光谱与双权重竞争特征搜索策略的橡胶树叶片氮素检测

扫码查看

原文链接

万方数据
维普

中文摘要：本研究旨在解决传统近红外光谱分析在橡胶树叶片氮含量(LNC)检测中模型精度和稳定性的局限.通过对180张橡胶树叶片进行定量分析,提出了一种改进的重加权采样算法,即双权重竞争性自适应重加权采样(DWCARS).该方法综合运用回归系数和变量投影重要性(VIP)2种权重评价标准,并通过竞争性机制优化特征选择.比较分析结果表明,与传统CARS和差分进化(DE)等方法相比,DWCARS能够提取出更少且预测精度更高的波长变量.在测试集上,DWCARS模型展现了显著性能优势,其决定系数(R2P)为0.936 7,均方根误差(RMSEP)为0.121 5,相比于CARS算法建立的预测模型RMSEP值降低了 21.66％.表明DWCARS算法在提高橡胶树叶片氮含量检测的准确性和稳定性方面表现卓越,适用于精确监测橡胶树生长阶段的氮素状况.

作者：

胡鹏飞、唐荣年、胡文锋、李创

展开 >

作者单位：

海南大学机电工程学院,海南海口 570228

关键词：

近红外光谱橡胶树机器学习光谱波段选择叶片氮含量 DWCARS

基金：

海南省自然科学基金创新研究团队项目国家自然科学基金海南省重点研发计划海南省自然科学基金高层次人才项目

项目编号：

320CXTD43132060413ZDYF2022GXJS008321RC468

出版年：

2024

DOI：

10.15889/j.issn.1002-1302.2024.18.029

江苏农业科学

江苏省农业科学院

江苏农业科学

CSTPCD北大核心

影响因子：0.732

ISSN：1002-1302

年,卷(期)：2024.52(18)