基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测
Nondestructive detection of total nitrogen content in leaves of Santalum album based on ST-PCA-BP neural network
氮素是植物生长需要的大量元素之一,生产经营者在植物生长过程中往往施加大量的氮肥,但过量的肥料会造成地下水污染.本文针对珍贵树种檀香,提出了一种基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测方法,为檀香的经营培育提供参考.结果表明:将野外获取到的檀香图像由RGB转换到L*a*b*系统,可以较好地完成自然图像中的檀香分割.这是由于L*a*b*系统色域宽,受光照变化的影响较小.ST-PCA-BP神经网络的特点是通过显著性检验(ST)筛选变量,使用方差膨胀因子和条件指数分析筛选结果的共线性,主成分分析法(PCA)消除共线性.该处理方法有效地减小了BP神经网络陷入局部最小值的概率,与原始数据、ST处理和PCA处理相比,决定系数最高,平均残差和均方根误差最小,是檀香叶片全氮含量无损、实时检测的最佳方法.
更多- 浏览:38
- 被引:5
- 下载:0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文