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.
基金项目
海南省自然科学基金创新研究团队项目(320CXTD431)
国家自然科学基金(32060413)
海南省重点研发计划(ZDYF2022GXJS008)
海南省自然科学基金高层次人才项目(321RC468)
维普
万方数据