|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 大田无人农场关键技术研究现状与展望显示文摘无人农场是智慧农业的一种表现形式,也是建设农业强国和实现农业现代化的重要探索。无人农场以数据、知识和智能装备为核心要素,将现代信息技术与农业深度融合,实现农业全过程生产所需的信息感知、定量决策、智能控制、精准投入及个性化服务一体化。本文系统地阐述了大田无人农场的概念与总体技术架构,讨论了信息感知与智能决策、精准作业系统与装备、自动驾驶、无人化农机装备以及无人农场管控平台等五项大田无人农场的关键技术与装备,深入分析了发展中国大田无人农场亟待解决的关键科学与技术问题。以吉林省公主岭市玉米无人农场为例介绍了物联网、大数据、云计算以及人工智能等技术在玉米全程无人化生产中的具体应用及效果。最后,展望了无人农场在解决全球农业生产面临的“无人种田”等共性问题中发挥的重要作用,分析了中国发展无人农场存在的机遇和挑战,提出了中国发展无人农场的战略目标与思路。 | 尹彦鑫 孟志军 赵春江 王昊 温昌凯 陈竞平 李立伟 杜经纬 王培 安晓飞 尚业华 张安琪 颜丙新 武广伟 | 2022 | 智慧农业(中英文)2022，4，4： | 12 |
| 2 | 陕西渭北旱塬区农田土壤有机质空间预测方法显示文摘准确预测土壤有机质(SOM)含量的空间分布对于改善土壤质量、提高区域土壤管理水平具有重要意义.为探索预测陕西渭北旱塬区农田SOM含量的最优模型,借助地理探测器选取与SOM含量密切相关的影响因子作为建模的协变量,选用普通克里格方法(OK)、地理加权回归模型(GWR)、偏最小二乘回归模型(PLS)、地理加权回归扩展模型(GWR_(PLS))和随机森林模型(RF)这5种常用方法对训练集样本SOM含量的空间分布进行预测,并利用验证集样本对比分析了5种方法的预测精度.结果表明:(1)影响土壤有机质空间变异的主要因素分别为全氮、化肥施用量、速效钾、有效磷和海拔,且任意两因子间的交互作用对SOM的解释力均高于单因子;(2)农田ω(SOM)范围在2.25~30.23 g·kg^(-1)之间,均值为15.14 g·kg^(-1),变异系数为30.00,5种方法在农田土壤有机质预测结果,虽然局部存在差异,但在整体的空间分布趋势基本一致,在研究区域内呈现北部、东北部地区含量低,西部、东南部含量高的空间分布趋势;(3)从5种方法的预测精度来看,RF的均方根误差(RMSE)与平均绝对误差(MAE)最小,GWR_(PLS)的预测偏差(RPD)最大,相比于OK法,GWR、PLS、RF和GWR_(PLS)的相关系数(r)分别升至0.907、0.836、0.968和0.972.综合分析结果,随机森林模型的预测精度最高. | 尉芳 刘京 夏利恒 徐仲炜 龙小翠 | 2022 | 环境科学2022，43，2： | 8 |
| 3 | 近红外光谱的玉米种子穗腐病特征提取与判别模型研究显示文摘玉米种子穗腐病是危害玉米产量的主要病害之一。利用近红外光谱开展了玉米种子穗腐病判别模型研究。246粒玉米种子由吉林省农业科学院海南育种基地提供,其中96粒玉米种子为穗腐病染病样本,其他150粒玉米种子为同种玉米正常样本。利用MATRIX-Ⅰ型傅里叶近红外光谱仪采集了样本800~2500 nm范围的近红外光谱信息,并对样本近红外光谱数据利用多元散射校正(MSC)进行预处理。结合玉米内部有机物质的近红外光谱的敏感波段和样本近红外光谱吸收峰挑选了4个优选区间,并采用相关系数法(CA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)三种不同原理的特征波长提取算法分别提取了4(1362,1760,2143和2311 nm)、5(1227,1310,1382,1450和1728 nm)和10(1232,1233,1257,1279,1313,1688,1703,1705,2302和2323 nm)个特征波长。以提取得到的特征波长作为玉米种子穗腐病判别模型输入变量,用0-1(染病-正常)表示样本染病状况作为输出真实值建立支持向量机(SVM)模型,使用网格搜索法结合十折交叉验证法对模型参数进行优化。结果表明,CA-SVM,SPA-SVM和CARS-SVM三种判别模型中训练集和测试集建模准确率均在90%以上。该研究成果为玉米种子病害诊断装置提供了模型基础,且针对优选区间进行特征波长选择的方式也可以为建立其他种子病害判别模型提供参考。 | 孟繁佳 罗石 吴月峰 孙红 刘飞 李民赞 黄威 李穆 | 2022 | 光谱学与光谱分析2022，42，6： | 6 |
| 4 | 采用无人机载高分辨率光谱仪反演土壤有机碳含量显示文摘小型无人机(Unmanned Aerial Vehicle,UAV)平台与土壤高光谱技术的有机结合可作为一种快速、准确获取高分辨率土壤有机碳(Soil Organic Carbon,SOC)空间信息的手段,适用于精准农业管理和土地监测,但目前该方面应用不多。该研究选取中国东北黑土和比利时黄土研究区,通过构建与UAV兼容的土壤高光谱数据获取平台,研究其在暗室和野外自然光条件下快速反演SOC含量的能力;进行多源光谱数据修正,探索暗室SOC模型直接应用到野外条件的可行性。结果表明:1)暗室条件下构建的基于UAV兼容光谱数据(FX)的偏最小二乘回归(Partial Least Squares Regression,PLSR)模型能准确预测2个研究区的SOC含量(相对分析误差大于1.6,R^(2)≥0.65);2)野外自然光条件下构建的SOC预测模型精度略有下降(R^(2)=0.58),但SOC含量估算值与实测值的值域相近,说明仍能捕捉SOC含量在其值域的变化;3)利用校准标样对不同光照条件下的FX数据进行修正,将基于实验室光谱数据的PLSR模型应用于野外光谱数据,为实现无需实地采样即可利用无人机载高光谱数据进行SOC快速调查奠定了基础。 | 祝元丽 王冬艳 张鹤 石璞 | 2021 | 农业工程学报2021，37，6： | 5 |
| 5 | 基于高光谱技术的猪肉肌红蛋白含量无损检测显示文摘为充分利用猪肉光谱与图像信息,实现猪肉肌红蛋白含量的在线检测,该研究提出一种基于深度学习模型的猪肉肌红蛋白含量无损检测方法。采用高光谱设备采集冷藏过程中猪肉高光谱图像,通过ENVI5.3选择图像感兴趣区域(Region Of Interest,ROI),分别提取ROI平均光谱信息与主成分图像信息。利用卷积自动编码器(Convolutional Auto Encoder,CAE)提取光谱与图像信息深度特征,分别建立光谱特征、图像特征及图-谱融合特征与肌红蛋白含量之间关系的卷积神经网络(Convolutional Neural Network,CNN)预测模型。其中基于融合深度特征CNN预测模型准确度较高,该模型对脱氧肌红蛋白(DeoMb)、氧合肌红蛋白(OxyMb)、高铁肌红蛋白(MetMb)含量预测集决定系数R_(p)^(2)分别为0.9645、0.9732、0.9585,预测集均方根误差RMSEP分别为0.0158、0.2266、0.3816。为进一步验证图-谱融合特征与猪肉肌红蛋白存在对应关系,分别建立偏最小二乘回归(Partial Least Squares Regression,PLSR)、支持向量机回归(Support Vector Regression,SVR)预测模型。结果表明:CAE能充分提取图像与光谱特征;基于融合特征建立回归模型能提高肌红蛋白含量预测精度,相比于光谱信息与图像信息,以MetMb为例,其2 P R分别提高5.42%、16.12%。该检测方法为肉类质量在线检测提供参考,具有好的应用前景。 | 王立舒 胡金耀 房俊龙 陈曦 李闯 | 2021 | 农业工程学报2021，37，16： | 4 |
| 6 | 基于遥感技术的黑土区耕地质量评价指标体系研究进展分析显示文摘黑土是公认的肥沃土壤,但我国黑土耕地质量由于连年耕种导致土质严重退化。黑土区耕地质量监测与评价是落实黑土保护的重要手段,准确快速地获取耕地质量信息也是国内外重点研究方向。遥感作为一种新方法,为大范围、短周期获取黑土区耕地质量信息提供可能。文中通过文献计量分析法,归纳整理了常用的耕地质量评价指标和耕地质量评价方法,分析了国内外遥感技术在耕地质量相关方面的研究现状,构建了基于遥感技术的耕地质量监测体系框架,从耕地质量指标定量反演方面,分别分析了遥感技术在土壤物理指标、土壤化学指标定量反演的研究现状,概述了基于遥感技术在地形特征、基础设施建设方面的信息提取方法与数据基础;从耕地质量间接监测方面,分析了基于植被特征指数的耕地质量间接监测的研究现状。针对研究现状中不足与问题,提出了思考与建议。 | 姜芸 王军 杨继文 | 2023 | 测绘工程2023，32，1： | 4 |
| 7 | 基于高光谱技术的退耕还林地年限判别显示文摘自2000年以来,黄河中游坡度较大的不同区域、同一区域的不同部位在不同年度实施了退耕还林工程,促进了黄河中游土壤质量及生态环境的改善。为了研究退耕工程对土壤及环境的影响机制,需要快速获取退耕年限及土壤特征。该研究以黄河中游大宁县不同年限退耕还林土壤为研究对象,获取不同年限退耕还林土壤理化性质,同时测定不同退耕年限土壤光谱特征曲线,以表征不同退耕年限的土壤属性及光谱特征;以土壤原始光谱反射率数据(Reflectance,R)为基础,采用Savitzky-Golay平滑(Savitzky-Golay smooth,SG)、倒数的对数(Reciprocal of Logarithm,RL)、一阶微分(First Order Differential,FD)、去包络线(Continuum Removal,CR)、主成分分析(Principal Component Analysis,PCA)以及光谱特征参数(Spectral Characteristic Parameter,SCP)等光谱预处理,以原始反射率主成分(R-PCA)、倒数的对数主成分(RL-PCA)、一阶微分主成分(FD-PCA)、去包络线主成分(CR-PCA)、SCP为输入因子,采用K均值聚类(K-means Clustering Algorithm,K-means)、支持向量机(Support Vector Machine,SVM)和线性判别分析(Liner Discriminant Analysis,LDA)构建退耕年限的分类模型并选取最优模型。结果表明:1)退耕年限的增加会导致土壤理化性质的显著变化,土壤有机碳(Soil Organic Carbon,SOC)含量、土壤含水率逐渐增加,土壤黏粒含量逐渐减少,土壤粉粒、砂粒及饱和导水率呈现先增加后减少的趋势;2)不同退耕年限土壤光谱曲线差异细微,预处理CR可显著提升光谱曲线的吸收特征,在480、900、1100、1400、1900、2200和2350 nm处出现明显的吸收特征;3)3种分类模型取得了较为理想的分类精度,其中LDA模型最优,Kappa系数最大为0.83;5种输入因子分类效果差异显著,其中CR-PCA分类效果最好,不同模型分类精度均达到75%以上。该研究通过土壤光谱曲线探索不同年限退耕还林土壤的光谱特征及分类方法,可实现退耕年限的快速区分,为退耕还林工程对土壤属性及环境影响的进一步研究提供参考。 | 邓永鹏 朱洪芬 丁皓希 孙瑞鹏 毕如田 | 2022 | 农业工程学报2022，38，3： | 3 |
| 8 | 基于CARS-BPNN的江西省土壤有机碳含量高光谱预测显示文摘【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳(SOC)精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样(CARS)算法筛选特征波段,并采用偏最小二乘回归(PLSR)、支持向量机(SVM)、随机森林(RF)、反向传播神经网络(BPNN)4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】(1)红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳(R^(2)=0.82),较全波段建模验证集R^(2)提升0.07。水稻土采用CARS-RF模型预测效果最佳(R^(2)=0.83),较全波段建模验证集R 2提升0.13。(2)在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳(R^(2)=0.82),较全局校准验证集R^(2)提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。 | 吴俊 郭大千 李果 郭熙 钟亮 朱青 国佳欣 叶英聪 | 2022 | 中国农业科学2022，55，19： | 3 |
| 9 | 基于CARS算法的湖滨绿洲土壤表层有机碳估算显示文摘文章以博斯腾湖西岸湖滨绿洲为研究区,将实测的土壤有机碳含量数据与土壤高光谱数据结合,对原始光谱R进行数学变换及微分变换,应用竞争自适应重加权采样(CARS)筛选特征波段,并采用其筛选的特征波段构建BP神经网络模型估算土壤表层有机碳含量。结果表明:(1)研究区土壤表层有机碳含量范围在0.80~63.15 g/kg,平均值为17.57 g/kg,变异系数为71.48%,呈中等变异性。(2)CARS算法将建模输入波段压缩至全波段数目的2.76%以下,R、R′、1/R、(1/R)′、log(1/R)、log(1/R)′、1/log R、(1/log R)′光谱形式下筛选的特征波段,较多集中于近红外长波1500~2500 nm与可见光波段380~760 nm;R″、(1/R)″、log(1/R)″、(1/log R)″光谱形式下筛选的特征波段,较多集中于近红外波段760~2500 nm。(3)二阶微分变换构建的CARS-BP估算模型精度优于一阶微分,R″-CARS-BP估算效果最好,训练集和验证集R2分别为0.81、0.83,RPD分别为2.30、2.45,RMSE分别为5.75、4.89 g/kg。 | 孟珊 李新国 焦黎 | 2022 | 环境科学与技术2022，45，8： | 3 |
| 10 | 基于多尺度连续小波分解的土壤氧化铁反演显示文摘为准确快速地预测土壤氧化铁含量信息,以禄丰恐龙谷南缘地表的土壤为研究对象,共采集135个样品,并在室内测得土壤光谱数据和氧化铁含量信息。首先,在对原始光谱进行SavitzkyGolay滤波平滑后,进行常规光谱变换和连续小波变换,并利用相关系数(CC)法对变换光谱与氧化铁含量进行相关性分析,筛选出每个尺度中通过0.01显著性检验的波长作为粗选的波长。然后,进一步利用竞争性自适应重加权(CARS)算法选择的波长作为特征波长。最后,通过遗传算法优化的支持向量机(SVR)进行建模。结果表明:连续小波变换可以提高土壤光谱反射率与氧化铁含量的相关性;通过CCCARS波长选择方法可以有效地减少建模的自变量数目;第4尺度连续小波分解构建的模型(L4-CCCARSSVR)效果最好,其建模集的决定系数R2为0.760,均方根误差ERMSE为5.236 g·kg-1,验证集的R2为0.663,ERMSE为7.798 g·kg-1,性能与四分位数间距比RPIQ达到了2.598,即模型具有很好的稳定性和预测能力。 | 赵海龙 甘淑 袁希平 胡琳 刘帅 王俊杰 | 2022 | 光学学报2022，42，22： | 3 |
| 11 | 土壤全氮的无人机高光谱响应特征及估测模型构建显示文摘为更好地体现出光谱与土壤全氮(soil totalnitrogen,STN)含量之间的响应关系,实现以高光谱快速估测土壤全氮含量,该研究以无人机搭载高光谱传感器获取农田土壤高光谱影像,提取光谱反射率并进行数学变换,基于灰色关联度和皮尔逊相关系数提取各光谱中土壤全氮含量的敏感波段,基于敏感波段采用偏最小二乘回归(partialleastsquares regression,PLSR)、岭回归(ridge regression,RR)和随机森林(random forest,RF)构建土壤全氮的高光谱反演模型,筛选出最优模型并对研究区土壤全氮含量进行反演制图。结果表明:1)反射率的倒数光谱中的敏感波段(996~1003 nm)集中在近红外长波范围内,反射率的一阶微分(first derivative of reflectance,FDR)光谱中的敏感波段(398~459、469和472~1003 nm)和反射率对数的一阶微分光谱中的敏感波段(398~459、463~973和978~1003 nm)在可见光和近红外范围内都有分布,反射率的一阶微分光谱中的敏感波段(615~625、632和666~670 nm)主要集中在可见光的红光范围内。2)与基于灰色关联度提取敏感波段构建模型相比,基于皮尔森相关系数提取敏感波段所构建的土壤全氮估测模型精度更高。3)RF-FDR模型精度最高,其验证集R^(2)为0.859,均方根误差为0.143 g/kg,平均绝对误差为0.114 g/kg。基于RF-FDR模型对研究区土壤全氮含量进行反演制图,发现研究区大部分面积土壤全氮含量处于1.50~2.00g/kg范围内,与实际情况相符。研究可为农田土壤全氮含量快速估测提供技术参考和支撑。 | 彭涛 赵丽 张爱军 杨晓楠 周智 常新汉 | 2023 | 农业工程学报2023，39，4： | 3 |
| 12 | 融合光谱形态特征的苹果霉心病检测方法显示文摘针对轻微霉心病和健康苹果光谱差异较小,致使基于可见/近红外特征光谱的检测方法对轻微霉心病检测准确率较低的问题。该研究将光谱形态特征与光谱特征融合的方法引入霉心病模型构建,建立了融合光谱形态特征的判别模型。以215个苹果可见/近红外光谱为样本,分析了不同预处理和特征提取组合对建模效果的影响,并完成了光谱特征的提取;分析健康果和霉心病苹果平均光谱的差异性,提取波峰、波谷等差异明显的光谱形态特征点,对比波段比、波段差和归一化强度差三类形态特征获取方法;最终建立光谱形态特征参数和光谱特征融合的苹果霉心病模型。试验结果表明,归一化预处理后提取的特征光谱和归一化强度差形态特征融合后模型判别准确率最高,在支持向量机模型中训练集、测试集判别准确率分别为98.6%和96.3%。特别是当发病程度小于10%时,该研究的判别模型准确率高于95%,表明通过融合光谱形态特征可以提升轻微病变霉心苹果的判别准确率。 | 刘昊灵 张仲雄 陈昂 浦育歌 赵娟 胡瑾 | 2023 | 农业工程学报2023，39，1： | 3 |
| 13 | 基于高光谱的桂东北峰丛洼地土壤有机碳含量预测显示文摘以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳(SOC)相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SOC最佳估测模型。结果表明:(1)研究区土壤样品有机碳质量分数最小值为0.20%,最大值为6.06%,变异系数为63.28%,具有中等强度的空间异质性;(2)二阶微分光谱指数建立的多元线性回归模型精度优于原始光谱反射率及包络线二阶微分的模型;(3)二阶微分、包络线二阶微分光谱指数建立的偏最小二乘回归预测模型均比通过原始数据建立的模型精度高出0.3;(4)基于二阶微分所建立的多元逐步回归模型具有较高的预测精度(R^(2)=0.75,均方根误差RMSE=4.83和较大的剩余估计偏差RPD=2.00)。 | 唐梅蓉 杨奇勇 唐海涛 | 2021 | 中国岩溶2021，40，5： | 2 |
| 14 | 典型黑土区耕作土壤质地遥感时间窗口及影响因素分析显示文摘了解黑土区耕作土壤质地的空间分布对于黑土区农业精准管理以及耕地保护至关重要。遥感技术是快速获取土壤质地空间分布的有效方法。该研究以黑龙江省友谊农场耕地为研究对象,评估研究区土壤质地遥感反演的最佳时间窗口并分析其影响因素。筛选覆盖研究区的2019—2021年25幅Sentinel-2影像,将每幅影像的波段和构建的光谱指数输入随机森林模型,建立土壤质地遥感反演模型,比较不同时期影像反演土壤质地的模型精度,确定土壤质地遥感反演的最适宜影像,并分析造成反演土壤质地精度变化的原因,获取友谊农场土壤质地空间分布。结果表明:1)友谊农场反演土壤质地的最佳时间窗口为4月下旬至5月中旬;2)在25幅Sentinel-2影像中,2020年5月7日反演粉粒和砂粒的模型精度最高(粉粒的R2为0.785,均方根误差为6.697%;砂粒的R2为0.776,均方根误差为8.296%);2019年5月3日反演黏粒的模型精度最高(R2为0.776,均方根误差为1.600%);3)不同时期的Sentinel-2影像对土壤质地反演的准确性有很大的影响,而土壤含水率和秸秆覆盖是造成不同时期土壤质地预测精度差异的重要原因。研究为确定土壤质地遥感反演的最佳时间窗口、实现区域尺度土壤质地制图提供关键技术。 | 刘琼 罗冲 孟祥添 张新乐 唐海涛 马士耐 刘焕军 | 2022 | 农业工程学报2022，38，18： | 1 |
| 15 | 基于分数阶微分联合光谱指数估算银川平原土壤有机质含量显示文摘土壤有机质是评价土壤肥力的重要指标。为探讨分数阶微分联合不同光谱指数所建模型对较低土壤有机质含量的估算效果,本研究利用银川平原土壤野外高光谱反射率,结合室内实测有机质含量,对反射率原始数据进行倒数对数变换后进行0~2阶(间隔0.20)的分数阶微分处理,构建差值指数(DI)、比值指数(RI)、亮度指数(BI)、归一化指数(NDI)、再归一化指数(RDI)和广义指数(GDI),分析6个指数与土壤有机质含量间的二维相关性,筛选出最优光谱指数,分别建立主成分回归(PCR)、偏最小二乘回归(PLSR)、反向神经网络(BPNN)、支持向量机(SVM)和地理加权回归(GWR)模型估算土壤有机质含量。结果表明:DI、RI、NDI、BI、GDI、RDI与土壤有机质含量间的最大相关系数绝对值(MACC)整体呈现先上升后下降的规律,分别在1.0、0.6、1.4和1.6阶处MACC最高。基于分数阶微分变化下的0.2~2.0阶RDI可用于后续模型构建,其中,MACC值最佳组合波段主要集中在400~600和1300~1700 nm。在单一光谱指数RDI所建不同模型中,SVM模型估算精度最高,其建模决定系数、验证决定系数和相对分析误差分别达到0.86、0.87和2.32。研究结果可为低有机质含量地区的土壤有机质快速、准确估算及制图提供科学依据。 | 尚天浩 陈睿华 张俊华 王怡婧 | 2023 | 应用生态学报2023，34，3： | 1 |
| 16 | 基于近红外-可见光高光谱的堆叠泛化模型褐土有机质预测显示文摘准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种堆叠泛化模型(SGM)用于预测有机质含量。首先对原高光谱数据采用小波平滑,对平滑数据进行倒数一阶微分、对数倒数一阶微分变换,采用相关系数与递归特征消除法进行特征波段提取。同时,引入机器学习中的集成学习随机森林Random Forest(RF)、梯度提升决策树Gradient Boosting Decision Tree(GBDT)、极限梯度提升eXtreme Gradient Boosting(XGBoost)、AdaBoost 4个初级机器学习器模型通过5折交叉验证对有机质含量进行预测,在初级学习器预测结果基础上,采用随机梯度下降SGD(stochastic gradient descent)作为元学习器建立SGM堆叠泛化模型。突破单模型精度较低和不稳定的制约,实现有机质含量的快速稳定检测。结果表明:倒数一阶微分变换后的光谱信息与有机质含量具有较好的相关性,相关性最大值达到了-0.611;相比单模型,堆叠泛化预测模型的决定系数(R^(2))和相对分析误差(RPD)分别为0.819和2.256,较其他算法平均决定系数(R^(2))和平均相对分析误差(RPD)分别提高了0.055和0.323;平均绝对误差(MAE)、均方根误差(RMSE)分别为1.742和2.308 g·kg^(-1),较其他算法平均绝对误差(MAE)和平均均方根误差(RMSE)分别降低了0.406和0.389 g·kg^(-1),优化效果明显,可用于农田土壤表层有机质含量的有效估测。研究成果可为农田土壤表层有机质含量的高光谱快速检测提供依据和参考。 | 张秀全 李志伟 郑德聪 宋海燕 王国梁 | 2023 | 光谱学与光谱分析2023，43，3： | 1 |
| 17 | 高光谱技术测定超薄纤维板纤维树皮含量显示文摘厚度为0.8 mm的超薄纤维板是目前纤维板品类中的试验创新产品,树皮含量对其生产设备参数的设定以及静曲强度、耐水性等质量指标影响较大,精确测定超薄纤维板木纤维中树皮含量极为重要。目前树皮含量的精确测定较为困难,本试验通过高光谱近红外成像系统结合相关算法建立了纤维树皮含量检测模型,创新了纤维树皮含量的检测方法。利用高光谱成像仪分别测定了含有杨木树皮为0%、3%、5%、7%、10%、12%、15%、20%、25%、30%和100%的杨木纤维样本的光谱图像。分析了采用均值中心化(MC)、多元散射校正(MSC)、标准正态变量变换(SNV)以及一阶(1-Der)导数四种预处理的对比结果,从而选择最优预处理方法为MSC。对MSC预处理后的光谱数据采用SPA及CARS进行特征波长提取,得到与树皮含量相关性最高的波段组合,并与全波段模型进行对比分析,建立偏最小二乘回归(PLSR)模型。从实验数据可以看出:MC,MSC,SNV和1-Der四种预处理建立的偏最小二乘回归(PLSR)模型预测性能存在差异,其中全波段MSC-PLSR模型的性能最好,其校正决定系数R_(C)^(2)为0.994,预测决定系数R_(P)^(2)为0.985,校正均方根误差RMSEC为0.831%,预测均方根误差RMSEP为1.336%。通过SPA和CARS分别提取了37个和49个特征波段,其中CARS模型更好,其R_(C)^(2)值为0.991,R_(P)^(2)值为0.979,RMSEC值为0.885%,RMSEP值为1.335%。实验结果表明:高光谱成像系统结合相应算法可以实现对纤维树皮含量的检测,该研究结果为超薄纤维板生产中树皮含量的检测提供了技术支持和理论参考,可以有效实现纤维中树皮含量的定量检测,创新建立了一种能够测定纤维板树皮含量的模型方法。 | 杨春梅 朱赞彬 李昱成 马岩 宋海洋 | 2023 | 光谱学与光谱分析2023，43，10： | 1 |
| 18 | 英红九号发酵叶中茶褐素近红外定量模型的优化与验证显示文摘为提高近红外光谱分析方法快速实现对测定红茶在制品中的茶褐素的定量模型精度无损、快速检测,该试验利用近红外光谱技术对以英红九号发酵叶中茶褐素进行采集、提取和分析的检测为例,对其近红外定量检测模型的构建与优化进行了研究。首先,采用规范化处理(Normalize)、基线校正(Baseline)、S-G一阶导数(Savitzky-Golay,1^(st)S-G)、S-G二阶导数(2^(nd) S-G)、标准正态变量变换(Standard Normal Variate Transform,SNV)五种预处理方法对原始光谱进行预处理分析。然后,采用效果最好的一阶导数预处理方法进行波长特征提取,分别使用间隔偏最小二乘算法(IntervalPartialLeast Square,iPLS)、竞争自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、变量迭代空间收缩方法(the Variable Iterative Space Shrinkage Approach,VISSA)提取波长特征。最后,使用偏最小二乘回归(PartialLeastSquare,PLS)预测模型进行回归建模。研究结果表明:使用一阶导数进行预处理、同时使用CARS方法建立的1^(st)-CARS-PLS模型效果特征更显著,特征值数量为53个。研究表明,该试验采用的模型方法能够快速、无损地检测英红九号发酵叶中的茶褐素含量。 | 夏晶晶 张敏 王飞仁 王广海 马成英 黄涵 郭嘉明 陈锦星 | 2023 | 现代食品科技2023，39，6： | 0 |
| 19 | 面向XRF的竞争性自适应重加权算法和粒子群优化的支持向量机定量分析研究显示文摘研究高效、准确、便捷的土壤重金属检测方法对于了解土壤的污染状况以及开展污染防治工作具有重要的意义。由于X射线荧光光谱分析(XRF)技术具备快速、准确、无损检测、样品制备简单等优势,在土壤重元素定量检测获得广泛应用。XRF仪器测试标准样品的荧光光谱并建立校准曲线,通过反演计算得到待测样品的元素含量。由于样品元素间存在基体效应,以及荧光谱特征峰存在叠加干扰,未经优化的校准曲线的线性度较差,这给反演计算来困难。为了解决上述问题,分别利用小波变换、非对称加权惩罚最小二乘法(arPLS)对光谱进行去噪和扣除本底基线,提高校准曲线的决定系数(R2);运用竞争性自适应重加权算法(CARS),针对不同目标元素优化变量选取;进一步地,基于选取的变量建立粒子群算法(PSO)优化的支持向量机回归(SVR)模型,并通过该模型反演计算各元素含量,提高定量分析的准确度和预测的泛化能力。实验结果显示,经过小波去噪和arPLS本底扣除后的校准曲线的决定系数(R2)有明显提升,Cr、Cu、Zn、As、Pb分别从0.965、0.979、0.971、0.794、0.915提高为0.979、0.987、0.981、0.828、0.953;通过CARS选取的谱线变量的个数大幅度减少,从2 048个通道降低到30个以下,为原来变量个数的1.5%,提高了变量选择的精准性;与偏最小二乘法(PLS)、未优化的SVR模型进行对比,采用CARS变量选择和PSO优化的SVR模型进行含量预测,训练集RC2与测试集RP2的决定系数分别在0.99、0.90以上,预测准确性有明显提高。因此,所提出的竞争性自适应重加权算法和PSO优化的SVR定量分析模型对于土壤重金属元素定量分析具有较好的理论指导和应用价值。 | 程惠珠 杨婉琪 李福生 马骞 赵彦春 | 2023 | 光谱学与光谱分析2023，43，12： | 0 |
| 20 | 基于FOD-ML的干旱区土壤有机质含量估算显示文摘为探究基于分数阶微分(fractional order derivative, FOD)预处理的光谱反射率与土壤表层有机质含量之间的响应机制,以新疆乌鲁木齐县安宁渠镇土壤冠层光谱为数据源,采用G-L分数阶微分方法对高光谱数据进行0~2.0阶次(间隔0.2)预处理,并利用任意波段组合算法,计算基于分数阶微分预处理光谱的比值光谱指数、归一化光谱指数和差值光谱指数,通过竞争性自适应重加权(CARS)算法筛选土壤有机质含量的敏感波段及光谱指数等,与3种机器学习(machine learning, ML)算法(ANN、KNN和SVM)相结合,构建基于分数阶微分和机器学习方法的土壤有机质含量估算模型,并进行模型验证。结果表明:基于0~2.0阶次的两波段光谱指数与土壤有机质含量之间均呈现极显著相关,基于原数据和0.2阶预处理的NDVI和RVI相关性系数r超过0.80。该研究基于0.2阶NDVI指数的K近邻算法模拟土壤有机质含量能力表现最佳,估算模型精度分别为决定系数(R2)为0.73,均方根误差(RMSE)为2.11 g/kg,相对分析误差(RPD)为2.23。为遥感技术提供理论支持,实现对土壤肥沃程度的精准监测和评估,推动智慧农业的发展。 | 孜尼哈尔·祖努尼江 尼加提·卡斯木 拓跋凯薇 | 2023 | 中国农机化学报2023，44，11： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员