详情

原文传递橡胶树叶片磷含量高光谱反演方法和系统

专利名称：	橡胶树叶片磷含量高光谱反演方法和系统
摘要：	本申请涉及一种橡胶树叶片磷含量高光谱反演方法和系统。方法包括：获取待检测橡胶树叶片的高光谱数据；根据高光谱数据和预先建立的波长提取模型提取橡胶树叶片的关键波长；关键波长与橡胶树叶片磷含量相关；预先建立的波长提取模型是采用竞争性自适应重加权抽样算法和连续投影算法对预先建立的样品数据库中的样品高光谱数据和样品磷含量数据对进行学习训练得到的；将关键波长输入至预先建立的磷含量预测模型计算出待检测橡胶树叶片的磷含量。该方法运行过程简单，能快速地测定磷含量；并且综合应用竞争性自适应重加权抽样算法和连续投影算法提取与橡胶树叶片磷含量关系密切的关键波长，大大减少了运算量。
专利类型：	发明专利
国家地区组织代码：	海南;46
申请人：	中国热带农业科学院橡胶研究所
发明人：	郭澎涛;李茂芬;茶正早;杨红竹;贝美容;张培松;罗微;姚伟
专利状态：	有效
申请日期：	2019-08-20T00:00:00+0800
发布日期：	2019-11-15T00:00:00+0800
申请号：	CN201910766841.6
公开号：	CN110455722A
代理机构：	北京科亿知识产权代理事务所(普通合伙)
代理人：	赵蕊红
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	571199海南省海口市龙华区学院路4号
主权项：	1.一种橡胶树叶片磷含量高光谱反演方法，其特征在于，所述方法包括：获取待检测橡胶树叶片的高光谱数据；根据所述高光谱数据和预先建立的波长提取模型提取橡胶树叶片的关键波长；所述关键波长与橡胶树叶片磷含量相关；其中，所述预先建立的波长提取模型是采用竞争性自适应重加权抽样算法和连续投影算法对预先建立的样品数据库中的样品高光谱数据和样品磷含量数据对进行学习训练得到的；将所述关键波长输入所述预先建立的磷含量预测模型计算出待检测橡胶树叶片的磷含量；其中所述预先建立的磷含量预测模型是采用反向神经网络算法对样品关键波长和样品磷含量数据进行学习训练得到的，所述样品关键波长是将所述样品数据库中的高光谱数据输入所述预先建立的波长提取模型得到的。 2.根据权利要求1所述的方法，其特征在于，所述获取待检测橡胶树叶片的高光谱数据的步骤之前，包括：采集待检测橡胶树叶片；利用光谱仪测定仪对所述待检测橡胶树叶片进行光谱测定，得到待检测橡胶树叶片的原始高光谱数据；对所述原始高光谱数据进行去噪处理，得到高光谱数据。 3.根据权利要求1所述的方法，其特征在于，预先建立的样品数据库的建立方法，包括：在预设的样品采集时间内从样品采集地中不同成土母质上的橡胶树上采集多个橡胶树叶片样品；去除每个橡胶树叶片样品的表面杂质；对去除杂质后的每个橡胶树叶片样品采用光谱仪进行光谱测定，得到各样品原始高光谱数据；采用滤波函数对各所述样品原始高光谱数据进行去噪处理，得到各去噪后的样品高光谱数据；对每个橡胶树叶片样品进行磷含量检测，得到各样品磷含量数据；其中所述样品磷含量数据与所述样品高光谱数据相对应；根据各所述去噪后的样品高光谱数据和各所述样品磷含量数据建立所述样品数据库。 4.根据权利要求1-3任一项所述的方法，其特征在于，所述预先建立的波长提取模型的建立方法包括：将所述样品数据库的样品高光谱数据和样品磷含量数据按照预设划分比例分为训练集和测试集；从所述训练集中选取预设提取比例的样品高光谱数据和样品磷含量数据作为输入变量对所述竞争性自适应重加权抽样算法和所述连续投影算法进行学习训练，确定所述竞争性自适应重加权抽样算法和所述连续投影算法的关键参数；根据所述竞争性自适应重加权抽样算法和所述连续投影算法的关键参数确定所述波长提取模型。 5.根据权利要求4所示的方法，其特征在于，所述预先建立的磷含量预测模型的建立方法包括：将所述测试集中的样品高光谱数据输入至所述预先建立的波长提取模型中，得到样品的关键波长；将所述样品关键波长和与所述样品关键波长对应的所述样品磷含量数据作为输入变量对所述反向神经网络算法进行学习训练，确定所述反向神经网络算法的关键参数；根据所述反向神经网络算法的关键参数确定所述磷含量预测模型。 6.根据权利要求3所述的方法，其特征在于，在采用滤波函数对各所述样品原始高光谱数据进行去噪处理，得到各去噪后的样品高光谱数据的步骤中，包括：采用butter和filtfilt函数对各所述样品原始高光谱数据进行去噪处理。 7.根据权利要求4所述的方法，其特征在于，将所述样品数据库的样品高光谱数据和样品磷含量数据按照预设划分比例分为训练集和测试集的步骤中，包括：采用Kennard-Stone算法将所述样品数据库的样品高光谱数据和样品磷含量数据分为训练集和测试集，其中训练集和测试机的比例为2:1。 8.一种橡胶树叶片磷含量高光谱反演系统，其特征在于，所述系统包括：高光谱数据获取模块，用于获取待检测橡胶树叶片的高光谱数据；关键波长提取模块，用于根据所述高光谱数据和预先建立的波长提取模型提取橡胶树叶片的关键波长；所述关键波长与橡胶树叶片磷含量相关；其中，所述预先建立的波长提取模型是采用竞争性自适应重加权抽样算法和连续投影算法对预先建立的样品数据库中的样品高光谱数据和样品磷含量数据对进行学习训练得到的；磷含量计算模块，用于将所述关键波长输入所述预先建立的磷含量预测模型计算出待检测橡胶树叶片的磷含量；其中所述预先建立的磷含量预测模型是采用反向神经网络算法对样品关键波长和样品磷含量数据进行学习训练得到的，所述样品关键波长是将所述样品数据库中的高光谱数据输入所述预先建立的波长提取模型得到的。 9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。 10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
所属类别：	发明专利