科研之友
微信
新浪微博
Facebook
分享链接
摘要
叶绿素含量是评价植物生长状况以及光合作用能力的重要指标。通过叶绿素测定仪实地测定表征紫丁香叶片的叶绿素含量的SPAD(soil plant analysis development)值，利用高光谱图像技术和机器学习算法反演推算紫丁香叶片叶绿素的含量。针对数据采集时噪声信息的干扰、相邻波段间相关性强、冗余信息多的问题，利用空洞卷积去噪自动编码器(Atrous-Convolutional Denoising Auto-Encoder, Atrous-CDAE)将原始高光谱数据由204维减少到51维，并减少噪声干扰。结合1DCNN建立紫丁香叶片叶绿素含量的预测模型，并与原始数据和其他4种数据处理方法进行比较。结果表明：相比于原始高光谱数据和其他数据处理方法，经Atrous-CDAE处理后的数据预测结果最佳，预测集中决定系数R2为0.972 3,均方根误差RMSE为1.326 6。利用Atrous-CDAE处理的数据与其他经典预测模型组合均取得较优的预测结果，表明Atrous-CDAE可有效地提取数据潜在表征。对其他数据结合本文所提1DCNN模型进行预测，其R2均在0.94以上，RMSE均在2以下，表明该预测模型具有一定的适应性。
- 单位
