2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩65頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、氮素是作物生理代謝和生長(zhǎng)發(fā)育的一種非常重要的營(yíng)養(yǎng)元素,與作物的長(zhǎng)勢(shì)、品質(zhì)和產(chǎn)量息息相關(guān)。因此,實(shí)現(xiàn)對(duì)作物氮素的快速、精確、無(wú)損檢測(cè)具有非常重要的意義。長(zhǎng)期以來(lái),作物的氮素檢測(cè)都是以化學(xué)檢測(cè)方法為主,但化學(xué)檢測(cè)方法破壞性強(qiáng)、時(shí)效性差,影響作物生長(zhǎng)而不利于大范圍推廣應(yīng)用。近年來(lái),基于光譜或計(jì)算機(jī)視覺(jué)的無(wú)損檢測(cè)方法在作物氮素檢測(cè)中得到了廣泛關(guān)注。然而光譜技術(shù)由于采用點(diǎn)采樣方式無(wú)法充分獲取作物的完整信息,導(dǎo)致檢測(cè)結(jié)果的隨機(jī)性強(qiáng);計(jì)算機(jī)視覺(jué)技術(shù)由

2、于利用作物外部的顏色、紋理、形態(tài)等特征進(jìn)行診斷,很難涉及到內(nèi)部的組織結(jié)構(gòu)和化學(xué)成分,導(dǎo)致檢測(cè)精度不高。因此,本文以生菜為研究對(duì)象,提出了基于高光譜圖像技術(shù)的生菜葉片氮素快速檢測(cè)方法,主要研究?jī)?nèi)容及結(jié)論如下:
  (1)以無(wú)土栽培的方法來(lái)培育生菜樣本,以日本山崎營(yíng)養(yǎng)液配方為基礎(chǔ),配置不同含氮濃度營(yíng)養(yǎng)液,栽培出呈現(xiàn)一定的氮素梯度水平的生菜葉片,這為后續(xù)研究奠定基礎(chǔ)。
  (2)根據(jù)生菜葉片高光譜圖像各區(qū)域的光譜反射率特性,采用圖

3、像比值的方法來(lái)加大圖像各區(qū)域間的差異性,并結(jié)合圖像閾值分割的方法,實(shí)現(xiàn)對(duì)生菜葉片高光譜圖像感興趣區(qū)域(Region of interest,ROI)的有效選取。
  (3)建立了生菜葉片氮素含量的OSC_SPA_SVR最優(yōu)預(yù)測(cè)模型。從Savitzky-Golay平滑(SG_smoothing)、多元散射校正(Mutiplicative ScatterCorrection,MSC)、標(biāo)準(zhǔn)正態(tài)變量結(jié)合去趨勢(shì)(SNV_detrendin

4、g)、一階導(dǎo)數(shù)(1stderivative)、二階導(dǎo)數(shù)(2nd derivative)、正交信號(hào)校正(Orthogonal SignalCorrection,OSC)這些光譜預(yù)處理算法中篩選出OSC為最優(yōu)預(yù)處理方法。并采用連續(xù)投影算法(Successive Projections Algorithm,SPA)對(duì)OSC預(yù)處理后的光譜提取特征波長(zhǎng),基于特征波長(zhǎng)數(shù)據(jù)建立多元線性回歸(Multivariable LinearRegression

5、,MLR)、偏最小二乘回歸(Partial Least Squares Regression,PLSR)和支持向量回歸(Support Vector Regression,SVR)3個(gè)預(yù)測(cè)模型。發(fā)現(xiàn)得到的OSC_SPA_SVR模型性能最優(yōu),R2c為0.855,RMSEC為0.385,R2p為0.841,RMSEP為0.414。
  (4)研究了利用生菜葉片高光譜圖像紋理特征對(duì)其氮素含量進(jìn)行檢測(cè)的方法。利用主成分分析法提取了葉片高光

6、譜圖像的前3幅主成分圖像PC1、PC2、PC3,并對(duì)3幅主成分圖像提取了基于灰度直方圖統(tǒng)計(jì)矩和基于灰度共生矩的紋理數(shù)據(jù)。然后利用SPA對(duì)紋理數(shù)據(jù)進(jìn)行特征優(yōu)選,基于優(yōu)選出的紋理特征建立MLR、PLSR和SVR3個(gè)模型,發(fā)現(xiàn)建立的SPA SVR模型性能最優(yōu),R2c為0.745,RMSEC為0.509,R2為0.499,RMSEP為0.734。
  (5)利用高光譜圖像技術(shù)來(lái)可視化顯示生菜葉片中的氮素含量,采用SPA優(yōu)選出特征波長(zhǎng),建立

7、了特征波長(zhǎng)數(shù)據(jù)與氮含量間的多元線性關(guān)系模型ypre=133.14x494-158.84x580+100.93 x719-61.71x736-16.80x761+24.94x876+9.04,最后將生菜葉片高光譜圖像中每個(gè)像素點(diǎn)的特征光譜數(shù)據(jù)代入到建立的模型中,實(shí)現(xiàn)了生菜葉片氮素含量的可視化顯示。這種方法可以克服光譜技術(shù)重現(xiàn)性差、計(jì)算機(jī)視覺(jué)技術(shù)精確度低的缺點(diǎn),使得信息獲取更加全面,檢測(cè)結(jié)果更加準(zhǔn)確。
  本文提出的基于高光譜圖像技術(shù)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論