农业机械学报

作者：岳学军,凌康杰,王林惠,岑振钊,卢杨,刘永鑫

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：柑橘叶片; 钾含量; 深度迁移学习; 堆栈稀疏自动编码机; 高光谱; 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、2016A020210081）、广东省水利科技创新项目（2016-18）和广州市科技计划项目（201803020022）

针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端，引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型，选用ASD FieldSpec 3光谱仪采集柑橘4个重要物候期（萌芽期、稳果期、壮果促梢期和采果期）的叶片反射光谱，同步采用火焰光度法测定叶片的钾含量；先用正交试验确定小波去噪的最佳去噪参数组合，再进行不同光谱形式变换，对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络（Stacked sparse autoencoder-deep learning networks，SSAE-DLNs）的特征提取迁移和融合多种特征，对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型，结果表明，模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优，其校正集和验证集决定系数分别为0.898?8、0.877?1，均方根误差分别为0.544?3、0.552?8。试验表明，深度迁移学习网络可对柑橘叶片钾含量进行精确预测，为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。

来源：2019年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第3期