农业机械学报

作者：岳学军,凌康杰,洪添胜,甘海明,刘永鑫,王林惠

单位：华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,

关键词：龙眼叶片;叶绿素;深度学习;高光谱图像;支持向量回归

基金：国家自然科学基金项目（30871450）、广东省科技计划项目（2015A020224036、2014A020208109）、广东省水利科技创新项目（2016-18）和广州市科技计划项目（201803020022）

针对传统高光谱单点法检测叶绿素含量效率低、精度不足等问题，提出一种基于高光谱图像和卷积神经网络（CNN）多特征融合的深度学习龙眼叶片叶绿素含量分布预测模型。首先进行Savitzky-Golay光谱去噪，然后通过奇异值分解（SVD）和独立成分分析（ICA）提取特征光谱，再对特征光谱图像提取灰度共生矩阵（GLCM）和CNN纹理特征，最后建立粒子群优化（PSO）支持向量回归（SVR）、深度神经网络（DNNs）分布模型。结果表明，基于特征光谱建模的PSO-SVR预测效果最佳，全期的校正集和验证集模型决定系数R2为0.8220和0.8152。对比多种主流模型，基于特征光谱、GLCM纹理、CNN纹理特征的ICA-DNNs模型预测精度最高，校正集和验证集R2分别为0.8358和0.8210。试验结果表明，高光谱图像可快速无损地对龙眼叶片叶绿素含量分布进行检测，可为龙眼树实时营养监测和病害早期防治提供理论依据。

来源：2018年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第8期