详情

原文传递基于波长的叶绿素含量测定模型构建方法及其系统

专利名称：	基于波长的叶绿素含量测定模型构建方法及其系统
摘要：	本发明公开了一种基于波长的叶绿素含量测定模型构建方法，基于波长的叶绿素含量测定方法、系统、设备和计算机可读存储介质，叶绿素含量测定模型构建方法包括：获取叶片样本的光谱数据集，和对应的叶绿素含量值；对叶片样本的光谱数据集进行预处理，得到经预处理后的波长数据集；对经预处理后的波长数据集进行变量筛选，得到目标波长数据集作为特征波长数据集；利用特征波长数据集构建模型，将利用模型得到的叶绿素含量预测值与对应的叶绿素含量值进行比较，优化模型，得到构建好的叶绿素含量测定模型；通过构建基于叶片测量光谱及其波长的叶绿素含量测定模型，通过对叶片样本的光谱或波长进行处理，方便对叶片样本的叶绿素含量进行测定。
专利类型：	发明专利
申请人：	贵州省山地资源研究所;贵州省蚕业研究所(贵州省辣椒研究所)
发明人：	肖玖军;邢丹;谢元贵;谢刚;李可相;陈阳;张蓝月
专利状态：	有效
申请日期：	2022-09-08T00:00:00+0800
发布日期：	2022-12-16T00:00:00+0800
申请号：	CN202211100290.8
公开号：	CN115479902A
代理机构：	北京预立生科知识产权代理有限公司
代理人：	李红伟
分类号：	G01N21/25;G01N21/55;G06N20/00;G;G01;G06;G01N;G06N;G01N21;G06N20;G01N21/25;G01N21/55;G06N20/00
申请人地址：	550025 贵州省贵阳市云岩区陕西路1号;
主权项：	1.一种基于波长的叶绿素含量测定模型构建方法，包括：获取叶片样本的光谱数据集，和对应的叶绿素含量值；对所述叶片样本的光谱数据集进行预处理，得到经预处理后的波长数据集；对所述经预处理后的波长数据集进行变量筛选，得到目标波长数据集作为特征波长数据集；所述变量筛选的过程包括：采用所述经预处理后的波长数据集构建模型，得到构建好的初代模型；保留初代模型中回归系数绝对值权重大于或大于等于第一阈值的点作为新的子集，并去掉权重小于等于或小于第一阈值的点，得到经初次变量筛选后的二次迭代子集；基于第二次迭代子集建立第二次迭代模型，得到第三次迭代子集；经历N次循环，分别基于N次迭代子集建立N次迭代模型，分别得到N+1次迭代子集；分别计算N次迭代模型所对应的N组均方根误差值，确定均方根误差值的最小值对应的迭代子集作为特征波长数据集；利用所述特征波长数据集构建模型，将利用模型得到的叶绿素含量预测值与所述对应的叶绿素含量值进行比较，优化模型，得到构建好的叶绿素含量测定模型。 2.根据权利要求1所述的基于波长的叶绿素含量测定模型构建方法，其特征在于，所述预处理包括以下一种或几种：一阶导数、二阶导数、基线校正、多元散射校正、变量标准化、倒数、倒数对数。 3.根据权利要求2所述的基于波长的叶绿素含量测定模型构建方法，其特征在于，所述预处理的方法为：变量标准化。 4.根据权利要求1所述的基于波长的叶绿素含量测定模型构建方法，其特征在于，所述叶片样本的光谱数据集是将叶片样本的原始光谱数据进行平滑处理后得到的光谱数据集：可选的，所述平滑处理的方法包括但不限于以下一种：Savitzky-Golay。 5.根据权利要求1所述的基于波长的叶绿素含量测定模型构建方法，其特征在于，所述特征波长数据集包括以下一种或几种：510、558、559、713、1717、1720、1898、2031、2033、2304。 6.根据权利要求1所述的基于波长的叶绿素含量测定模型构建方法，其特征在于，利用机器学习的方法对所述特征波长数据进行模型构建，得到构建好的叶绿素含量测定模型；可选的，所述机器学习的方法包括以下一种或几种：偏最小二乘法回归法、最小二乘支持向量机、神经网络、随机森林法、线性回归、Logistic回归、线性判别分析、分类与回归树、朴素贝叶斯、KNN、学习向量量化、支持向量机、LightGBM、极限梯度提升；可选的，所述机器学习的方法为：偏最小二乘法回归法(PLSR)。 7.一种基于波长的叶绿素含量测定方法，包括：获取待测叶片样本的波长数据；将所述待测叶片样本的波长数据输入到权利要求1-6中的叶绿素含量测定模型进行处理，得到所述待测叶片样本的叶绿素含量值；可选的，所述待测叶片样本的波长数据是将待测叶片样本的光谱数据进行预处理后得到的波长数据；根据对待测叶片样本的光谱数据进行预处理的方法不同，将所述待测叶片样本的波长数据输入到对应的叶绿素含量测定模型中，得到所述待测叶片样本的叶绿素含量值；可选的，所述待测叶片样本的波长数据经变量标准化的预处理时，将波长数据输入到叶绿素含量测定模型一，得到所述待测叶片样本的叶绿素含量值；所述待测叶片样本的波长数据经多元散射校正的预处理时，将波长数据输入到叶绿素含量测定模型二，得到所述待测叶片样本的叶绿素含量值；所述待测叶片样本的波长数据经倒数的预处理时，将波长数据输入到叶绿素含量测定模型三，得到所述待测叶片样本的叶绿素含量值；所述待测叶片样本的波长数据经二阶导数的预处理时，将波长数据输入到叶绿素含量测定模型五，得到所述待测叶片样本的叶绿素含量值；所述待测叶片样本的波长数据经基线校正的预处理时，将波长数据输入到叶绿素含量测定模型六，得到所述待测叶片样本的叶绿素含量值；所述待测叶片样本的波长数据经倒数对数的预处理时，将波长数据输入到叶绿素含量测定模型七，得到所述待测叶片样本的叶绿素含量值；所述待测叶片样本的波长数据经一阶导数的预处理时，将波长数据输入到叶绿素含量测定模型八，得到所述待测叶片样本的叶绿素含量值。 8.一种基于波长的叶绿素含量测定设备，所述设备包括：存储器和处理器；所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时，用于执行权利要求7所述的基于波长的叶绿素含量测定方法。 9.一种基于波长的叶绿素含量测定系统，包括：获取单元，用于获取待测叶片样本的波长数据；处理单元，用于将所述待测叶片样本的波长数据输入到权利要求1-6中的叶绿素含量测定模型进行处理，得到所述待测叶片样本的叶绿素含量值。 10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的权利要求7所述的基于波长的叶绿素含量测定方法。