利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法技术

利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，属于土壤分类技术领域。本发明专利技术是为了解决现有利用土壤光谱反射率进行土壤分类的方法无法保留光谱物征原有的物理意义的问题。它首先采集土壤样本，并获得每个土壤样本的基准反射光谱数据；将每个土壤样本的基准反射光谱数据以10nm为间隔，利用高斯模型进行光谱重采样；对光谱重采样数据进行包络线去除，获得突出反射光谱曲线的吸收和反射特征的去包络线数据；在去包络线数据中提取获得m个光谱特征参数；对提取的m个光谱特征参数分别进行标准化处理，得到m个土壤分类指标；利用多层感知器神经网络模型，根据土壤分类指标对土壤样本进行分类。本发明专利技术用于土壤分类。

Soil classification method based on multilayer perceptron neural network model and spectral characteristic parameters

The invention relates to a soil classification method using a multilayer perceptron neural network model combined with spectral characteristic parameters, which belongs to the technical field of soil classification. The invention aims at solving the problem that the existing method for classifying soil by using the soil spectral reflectance can not retain the original physical meaning of the spectral substance. It firstly collected soil samples, and obtain the reference spectral data of each soil sample; the reference spectral data of each soil sample with 10nm interval spectral resampling using the Gauss model; the spectral resampling data envelope removal, get out the characteristics of absorption and reflection spectral reflectance curves of the envelope data extraction; m spectral feature parameters to envelope data; m spectral feature parameters of extraction were normalized by m soil classification index; using multilayer perceptron neural network model, according to the soil classification index classification of soil samples. The invention is used for soil classification.

【技术实现步骤摘要】

本专利技术涉及利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，属于土壤分类

技术介绍
利用土壤光谱反射特性进行土壤分类可为加快土壤精细制图提供技术支持。目前国内外对于利用土壤光谱反射率进行土壤分类的方法中，多运用主成分分析法处理光谱数据，提取主成分作为分类模型的输入量，利用K-means、支持向量机等方法建立分类模型。但是，主成分分析方法得到的变量没有明确的物理意义，不同研究结果之间没有可比性。多层感知器神经网络模型(Multi-layerperceptronneuralnetworks,MLPneuralnetworks)作为一种强有力的学习系统，模拟了人脑思维过程，能够实现输入层、输出层的非线性映射，已经在很多领域得到广泛应用，并取得良好效果。多层感知器神经网络由一个输入层、一个隐藏层和一个输出层组成，隐藏层和输出层的激活函数分别为双曲正切函数和softmax函数。美国ASD公司是全球最著名的野外地物光谱仪制造商，其产品是遥感及相关领域最有权威的测量设备和工作标准。ASD光谱仪广泛应用于全球70多国家和地区，广泛应用于遥感科学研究、矿业、林业生态、农业及材料本文档来自技高网...

【技术保护点】
一种利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，它包括以下步骤：步骤一：采集n个土壤样本，n为大于或者等于3的整数；用光谱仪对n个土壤样本分别进行反射光谱测试，针对每个土壤样本：采集10条光谱曲线，对10条光谱曲线进行算术平均，获得每个土壤样本的基准反射光谱数据；步骤二：将每个土壤样本的基准反射光谱数据以10nm为间隔，利用高斯模型进行光谱重采样；步骤三：对光谱重采样数据进行包络线去除，获得突出反射光谱曲线的吸收和反射特征的去包络线数据；步骤四：在去包络线数据中提取获得m个光谱特征参数；步骤五：对提取的m个光谱特征参数分别进行标准化处理，得到m个土壤分类指标；步骤六：...

【技术特征摘要】
1.一种利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，它包括以下步骤：步骤一：采集n个土壤样本，n为大于或者等于3的整数；用光谱仪对n个土壤样本分别进行反射光谱测试，针对每个土壤样本：采集10条光谱曲线，对10条光谱曲线进行算术平均，获得每个土壤样本的基准反射光谱数据；步骤二：将每个土壤样本的基准反射光谱数据以10nm为间隔，利用高斯模型进行光谱重采样；步骤三：对光谱重采样数据进行包络线去除，获得突出反射光谱曲线的吸收和反射特征的去包络线数据；步骤四：在去包络线数据中提取获得m个光谱特征参数；步骤五：对提取的m个光谱特征参数分别进行标准化处理，得到m个土壤分类指标；步骤六：利用多层感知器神经网络模型，根据土壤分类指标对土壤样本进行分类。2.根据权利要求1所述的利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，所述多层感知器神经网络模型具有输入层、隐藏层和输出层，隐藏...

【专利技术属性】
技术研发人员：刘焕军，张小康，张新乐，王翔，窦欣，秦乐乐，杨皓轩，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：黑龙江;23