基于高光谱遥感的棉花淹水胁迫程度监测模型研究
发布时间：2021-12-16 17:55
棉花及棉纺织品是关系国计民生的重要战略资源,与人们的生活息息相关。棉花于春季播种,秋季收获,夏季是决定棉花产量和质量的关键时期,这一时期黄河流域高温多雨,易形成洪涝灾害,棉花对水分敏感,容易受到淹水胁迫,进而影响棉花产量和质量。根据黄河流域棉花种植管理面临的这一问题,本文提出使用棉叶高光谱数据训练多种经典的机器学习和深度学习算法,构建用于监测棉株淹水胁迫程度的分类模型,为洪涝灾害后棉花生产抢救与产量重估提供了参考。设计了以淹水天数为变量的棉花淹水试验模拟夏季洪涝灾害后棉花遭受淹水胁迫的情况。利用高光谱成像仪和叶绿素测量仪采集了无淹水与淹水处理2、4、6、8、10天的棉株叶片高光谱图像及叶绿素相对含量(Soil and plant analyzer development,SPAD)。通过掩膜文件提取高光谱图像棉叶区域,采用主成分分析法进行降维,所得第一主成分图像信息量占全部主成分91%以上。从高光谱图像中提取棉叶光谱反射率曲线,采用多种方法进行平滑去噪,对比不同淹水天数的棉叶反射率发现,随淹水处理天数增加,棉叶光谱反射率在550nm附近及750-950 nm处增高,且出现―红边蓝移‖现...
【文章来源】： 山东理工大学山东省
【文章页数】：59 页
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 地面高光谱遥感研究现状
1.2.2 作物淹水胁迫研究现状
1.2.3 存在问题分析
1.3 研究内容
1.4 技术路线
第二章 试验方案设计与数据获取
2.1 试验方案设计
2.1.1 试验条件
2.1.2 棉花淹水试验处理
2.2 试验数据采集
2.3 本章小结
第三章 棉叶高光谱曲线分析及特征提取
3.1 高光谱图像预处理
3.1.1 高光谱图像掩膜
3.1.2 主成分分析降维
3.2 棉叶光谱曲线预处理
3.3 淹水处理与对照组棉叶光谱曲线差异分析
3.3.1 原始光谱曲线分析
3.3.2 不同预处理后的光谱曲线分析
3.4 棉叶高光谱特征提取
3.5 本章小结
第四章 基于监督分类模型的棉株淹水胁迫程度监测
4.1 监督分类概述及模型简介
4.1.1 支持向量机模型
4.1.2 随机森林模型
4.2 棉叶纹理特征提取与SPAD相关性分析
4.2.1 棉叶高光谱图像纹理特征提取
4.2.2 棉叶叶绿素相对含量与淹水天数相关性分析
4.3 棉株淹水程度识别模型参数设置及训练
4.3.1 多特征训练集构建
4.3.2 超参数优化
4.3.3 模型训练与测试
4.4 试验结果分析
4.5 本章小结
第五章 基于深度学习模型的棉株淹水胁迫程度监测
5.1 神经网络的理论模型
5.1.1 人工神经网络模型概述
5.1.2 卷积神经网络模型概述
5.2 卷积神经网络架构
5.2.1 卷积神经网络基础优化
5.2.2 卷积神经网络模型结构选择
5.3 高光谱图像数据增强与超参数设置
5.3.1 高光谱图像数据增强和划分
5.3.2 卷积神经网络模型超参数设置与模型训练
5.4 试验结果分析
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 研究展望
参考文献
在读期间公开发表的论文
致谢
【参考文献】：
期刊论文
[1]涝渍胁迫对辣椒植株表型的影响 [J]. 宋钊,余超然,张白鸽,曹健,徐小万,李颖,何裕志. 热带作物学报. 2019(02)
[2]水涝渍害对夏玉米生理特性和主要产量性状指标的影响 [J]. 许海涛,王友华,许波,王成业. 大麦与谷类科学. 2018(06)
[3]基于SVM和AdaBoost的棉叶螨危害等级识别 [J]. 杨丽丽,张大卫,罗君,王振鹏,吴才聪. 农业机械学报. 2019(02)
[4]基于高光谱成像技术识别水稻纹枯病 [J]. 李志伟,袁婧,丁为民,杨红兵,沈少庆,崔嘉林. 华南农业大学学报. 2018(06)
[5]高光谱成像分析植物叶片滞尘前后光谱特征变化 [J]. 张爱武,张泰配,康孝岩,郭超凡. 农业工程学报. 2018(19)
[6]ASD Field Spec3野外便携式高光谱仪诊断冬小麦氮营养 [J]. 刘昌华,方征,陈志超,周兰,岳学智,王哲,王春阳,Yuxin Miao. 农业工程学报. 2018(19)
[7]融合无人机光谱信息与纹理信息的冬小麦生物量估测 [J]. 刘畅,杨贵军,李振海,汤伏全,王建雯,张春兰,张丽妍. 中国农业科学. 2018(16)
[8]基于高光谱技术的农作物常见病害监测研究 [J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华. 光谱学与光谱分析. 2018(07)
[9]高光谱的病害棉叶光合参数提取 [J]. 陈兵,王刚,刘景德,马占鸿,王静,李天南. 光谱学与光谱分析. 2018(06)
[10]基于高光谱成像技术的小麦条锈病病害程度分级方法 [J]. 雷雨,韩德俊,曾庆东,何东健. 农业机械学报. 2018(05)
博士论文
[1]基于机器学习的农业图像识别与光谱检测方法研究[D]. 王璨.山西农业大学. 2018
[2]涝渍胁迫下棉花生长和产量的响应及模拟[D]. 钱龙.武汉大学. 2017
[3]光谱及高光谱成像技术在作物特征信息提取中的应用研究[D]. 马淏.中国农业大学. 2015
[4]基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D]. 赵芸.浙江大学. 2013
硕士论文
[1]基于卷积神经网络和迁移学习的农作物病害和杂草图像识别研究[D]. 王敬贤.中国科学技术大学. 2019
[2]基于近红外光谱技术稻谷品质分析模型的研究[D]. 后其军.南京财经大学. 2016
本文编号：3538572
【文章来源】： 山东理工大学山东省
【文章页数】：59 页
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 地面高光谱遥感研究现状
1.2.2 作物淹水胁迫研究现状
1.2.3 存在问题分析
1.3 研究内容
1.4 技术路线
第二章 试验方案设计与数据获取
2.1 试验方案设计
2.1.1 试验条件
2.1.2 棉花淹水试验处理
2.2 试验数据采集
2.3 本章小结
第三章 棉叶高光谱曲线分析及特征提取
3.1 高光谱图像预处理
3.1.1 高光谱图像掩膜
3.1.2 主成分分析降维
3.2 棉叶光谱曲线预处理
3.3 淹水处理与对照组棉叶光谱曲线差异分析
3.3.1 原始光谱曲线分析
3.3.2 不同预处理后的光谱曲线分析
3.4 棉叶高光谱特征提取
3.5 本章小结
第四章 基于监督分类模型的棉株淹水胁迫程度监测
4.1 监督分类概述及模型简介
4.1.1 支持向量机模型
4.1.2 随机森林模型
4.2 棉叶纹理特征提取与SPAD相关性分析
4.2.1 棉叶高光谱图像纹理特征提取
4.2.2 棉叶叶绿素相对含量与淹水天数相关性分析
4.3 棉株淹水程度识别模型参数设置及训练
4.3.1 多特征训练集构建
4.3.2 超参数优化
4.3.3 模型训练与测试
4.4 试验结果分析
4.5 本章小结
第五章 基于深度学习模型的棉株淹水胁迫程度监测
5.1 神经网络的理论模型
5.1.1 人工神经网络模型概述
5.1.2 卷积神经网络模型概述
5.2 卷积神经网络架构
5.2.1 卷积神经网络基础优化
5.2.2 卷积神经网络模型结构选择
5.3 高光谱图像数据增强与超参数设置
5.3.1 高光谱图像数据增强和划分
5.3.2 卷积神经网络模型超参数设置与模型训练
5.4 试验结果分析
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 研究展望
参考文献
在读期间公开发表的论文
致谢
【参考文献】：
期刊论文
[1]涝渍胁迫对辣椒植株表型的影响 [J]. 宋钊,余超然,张白鸽,曹健,徐小万,李颖,何裕志. 热带作物学报. 2019(02)
[2]水涝渍害对夏玉米生理特性和主要产量性状指标的影响 [J]. 许海涛,王友华,许波,王成业. 大麦与谷类科学. 2018(06)
[3]基于SVM和AdaBoost的棉叶螨危害等级识别 [J]. 杨丽丽,张大卫,罗君,王振鹏,吴才聪. 农业机械学报. 2019(02)
[4]基于高光谱成像技术识别水稻纹枯病 [J]. 李志伟,袁婧,丁为民,杨红兵,沈少庆,崔嘉林. 华南农业大学学报. 2018(06)
[5]高光谱成像分析植物叶片滞尘前后光谱特征变化 [J]. 张爱武,张泰配,康孝岩,郭超凡. 农业工程学报. 2018(19)
[6]ASD Field Spec3野外便携式高光谱仪诊断冬小麦氮营养 [J]. 刘昌华,方征,陈志超,周兰,岳学智,王哲,王春阳,Yuxin Miao. 农业工程学报. 2018(19)
[7]融合无人机光谱信息与纹理信息的冬小麦生物量估测 [J]. 刘畅,杨贵军,李振海,汤伏全,王建雯,张春兰,张丽妍. 中国农业科学. 2018(16)
[8]基于高光谱技术的农作物常见病害监测研究 [J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华. 光谱学与光谱分析. 2018(07)
[9]高光谱的病害棉叶光合参数提取 [J]. 陈兵,王刚,刘景德,马占鸿,王静,李天南. 光谱学与光谱分析. 2018(06)
[10]基于高光谱成像技术的小麦条锈病病害程度分级方法 [J]. 雷雨,韩德俊,曾庆东,何东健. 农业机械学报. 2018(05)
博士论文
[1]基于机器学习的农业图像识别与光谱检测方法研究[D]. 王璨.山西农业大学. 2018
[2]涝渍胁迫下棉花生长和产量的响应及模拟[D]. 钱龙.武汉大学. 2017
[3]光谱及高光谱成像技术在作物特征信息提取中的应用研究[D]. 马淏.中国农业大学. 2015
[4]基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D]. 赵芸.浙江大学. 2013
硕士论文
[1]基于卷积神经网络和迁移学习的农作物病害和杂草图像识别研究[D]. 王敬贤.中国科学技术大学. 2019
[2]基于近红外光谱技术稻谷品质分析模型的研究[D]. 后其军.南京财经大学. 2016
本文编号：3538572
本文链接：https://www.wllwen.com/kejilunwen/nykj/3538572.html
