基于角果光谱多重分形特征的油菜品质诊断建模

发布时间：2020-04-22 04:38

【摘要】：油菜作为全世界四大油料作物之一,具有重要的经济和营养价值。而利用ROC图寻找油菜敏感波段的研究报道甚少,故本文第一部分主要研究不同时期不同播种条件下光谱原值的光谱植被指数(比值光谱指数和归一化光谱指数)做受试者工作特征(ROC)图,利用ROC图寻找敏感波段。测定了直播和移栽两种播种条件下油菜的苗期、抽薹期、花期、盛花期和角果期的冠层光谱,构建了比值光谱植被指数(RSI)和归一化光谱植被指数(NDSI)。为了获得区分直播和移栽的最佳RSI和NDSI,利用降采样法和精细采样法相结合的受试者工作特征(ROC)图寻找了油菜生长期光谱的敏感波长,直播和移栽油菜各时期RSI和NDSI的最敏感波长分别为:苗期(458 nm,511nm)和(433 nm,517 nm);抽薹期(997 nm,501 nm)和(990 nm,510 nm);花期(1235 nm,1180 nm)和(1235 nm,1180 nm);盛花期(478 nm,396 nm)和(484 nm,416 nm);角果期(1073 nm,1037 nm)和(1092 nm,1024 nm)。用敏感波长下的两种植被指数作为特征、利用最近邻法为分类器建立定性识别模型,结果表明花期的区分效果最好,最大约登指数分别为0.9417和0.9450。目前油菜品质在食品和非食品工业中越来越受到人们的重视,对油菜品质的研究也比较多,但是将分形工具应用于油菜品质诊断研究还比较少,故本文第二部分以角果期油菜为研究对象,测定了直播和移栽油菜的角果期的冠层光谱,在红边位置范围内利用局部去趋势波动分析法得到了角果期光谱多重分形特征指标(Hurst指数),并与含油量、蛋白质、油酸、棕榈酸等油菜籽品质做相关性分析,利用相关系数最大的多重分形特征指标为自变量,以上四种油菜品质为因变量构建了稳健回归模型,以光谱一阶导数最大值对应的光谱值作为对照组,建立RRMSE定量回归模型,结果表明以多重分形特征指标作为自变量所建立的模型得到的RRMSE均小于5%,模型优秀。
【图文】：

移栽油菜,K值,抽薹期,定性识别

抽薹期 (997, 501)* 0.835 0 (990, 510)* 0.836 7(760, 766)[21]0.513 3 (501, 500)[21]0.458 3花期 (1235, 1180)* 0.941 7 (1235, 1180)* 0.945 0(494, 1378)[19]0.173 3 (790, 670)[19]0.266 7盛花期 (478, 396)* 0.551 7 (484, 416)* 0.553 3(1259, 492)[19]0.420 0 (766, 760)[19]0.396 7角果期 (1073, 1037)* 0.693 3 (1092, 1024)* 0.693 3(1181, 1192)[21]0.458 3 (1014,939)[21]0.561 7表 3.2 可以看出，由 ROC 图寻找的油菜冠层光谱敏感波段得到的 2 种征的识别效果明显优于其他文献所提出的植被指数。了进一步考察利用 ROC 图得到的油菜生长期敏感波段的稳定性，我们SI 为特征建立的定性识别模型中，改变训练样本和测试样本的比例（变化至 90%，，即在交叉验证中，K 值依次取（K=2、3、…、10），分被指数为特征的约登指数，如图 3-2 所示。此外，作为对比，以文献[1段建模结果也显示在图 3-2 中。

实测图,实测图,光谱参数,含油量

ure 4.1 Comparison between observed and predicted the oil content based on speparameters for region level图 4.2 基于光谱参数蛋白质的实测图4.2 Comparison between observed and predicted protein based on spectrum para
【学位授予单位】：湖南农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S565.4;O433

【相似文献】