高光谱与宽度学习检测草莓叶片含水率

文献类型： 中文期刊

第一作者： 李泽祺

作者： 李泽祺;杨铮;周壮飞;彭继宇;朱逢乐;何青海

作者机构：

关键词： 草莓叶片;含水率;高光谱成像;宽度学习系统

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2025 年 45 卷 006 期

页码： 1534-1542

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 水分是影响草莓生长发育的关键因素，对其栽培具有重要意义。传统的水分测量方法虽精确但繁琐且具有破坏性；高光谱成像技术（HSI）因其高效、非破坏性和多属性检测优势，成为植物水分检测的理想选择。HSI数据量大且信息冗余，深度学习方法虽然能提取数据深层特征，但对大规模标注数据的依赖性限制了其应用。为此，引入了宽度学习系统（BLS）以解决在小样本上的训练问题，提出了一种基于BLS的草莓叶片含水率检测方法。首先制备了健康及干旱胁迫的草莓叶片样本，获取其高光谱图像及水分含量数据。通过分析3种超参数调优方法和4种预处理算法，构建了BLS含水率测定模型，并与偏最小二乘回归（PLSR）、支持向量机回归（SVR）、梯度增强决策树回归（GBDTR）和残差神经网络（ResNet）等对比模型进行了性能评估。结果显示，BLS模型在测试集上的决定系数（R2）达到0.797 4,均方根误差（RMSE）为0.004 5,优于其他模型，比ResNet模型高0.039 4,证明其具有良好的泛化能力和预测准确性。此外，基于最优模型实现了草莓叶片含水率的可视化，通过生成含水率伪彩图直观展示草莓叶片的水分状态。研究结果表明，BLS模型在小样本的高光谱数据分析和草莓叶片含水率检测中具有可行性，为草莓叶片含水率的在线检测提供了科学依据。

分类号： S668.4%TP18%TP751

  • 相关文献

[1]基于RGB模型的草莓叶片光合作用指标估测. 樊小雪,李德翠,李远,任妮. 2024

[2]高光谱成像结合宽度学习系统的青枣可溶性固形物含量检测. 李鹏,张萌,李传宗,韩立国,刘华明. 2025

[3]高光谱成像与混合波长选择的宽度学习系统预测猪肉TVB-N含量和pH值. 罗毅智1,2,3,唐书奇4,金青婷5,丘广俊1,齐海军1,孟繁明3,6,李鹏7. 2025

[4]基于高光谱成像分析的冬枣微观损伤识别. 魏新华,吴姝,范晓冬,黄嘉宝. 2015

[5]高光谱图像信息检测玉米籽粒胚水分含量. 田喜,黄文倩,李江波,樊书祥,张保华. 2016

[6]基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究. 马本学,肖文东,祁想想,何青海,李锋霞. 2012

[7]基于高光谱成像的苹果轻微损伤检测有效波长选取. 黄文倩,陈立平,李江波,张驰. 2013

[8]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文). 黄文倩,李江波,张驰,张保华,张百海. 2012

[9]拉曼高光谱成像系统中光在奶粉层的穿透深度研究. 刘宸,王庆艳,黄文倩,陈立平,杨桂燕,王晓彬. 2017

[10]成像光谱技术在农产品/食品检测中的研究进展. 周全,朱大洲,王成,郑耀,王秋平. 2010

[11]干贝水分含量可视化检测方法的研究. 黄慧,沈晔,郭乙陆,王杭州,詹舒越,杨萍,宋宏,何勇. 2017

[12]高光谱影像的苹果花叶病叶片花青素定量反演. 田明璐,班松涛,常庆瑞,张卓然,武旭梅,王琦. 2017

[13]近红外高光谱成像结合特征波长筛选识别小麦赤霉病瘪粒. 沈广辉,曹瑶瑶,刘馨,徐剑宏,史建荣,LEE Yin-won. 2021

[14]用于高光谱图像分类的归一化光谱指数的构建与应用(英文). 张东彦,赵晋陵,黄林生,马雯萩. 2014

[15]小麦叶片胁迫状态下的高光谱图像特征分析研究. 张东彦,张竞成,朱大洲,王纪华,罗菊花,赵晋陵,黄文江. 2011

[16]基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测. 王伟,彭彦昆,王秀,马伟. 2010

[17]以高光谱数据有效预测苹果可溶性固形物含量. 黄文倩,李江波,陈立平,郭志明. 2013

[18]叶菜失水条件下的高光谱图像特征分析研究. 吴琼,陆安祥,朱大洲,王成,方晶晶,纪建伟. 2015

[19]甜瓜尾孢叶斑病的高光谱成像检测. 张静宜,陈锦超,傅霞萍,叶云峰,付岗,洪日新. 2019

[20]基于高光谱成像的蔬菜新鲜度检测初探. 吴琼,朱大洲,王成,马智宏,陆安祥,王纪华. 2012

作者其他论文 更多>>

微信小程序