一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法技术

本发明专利技术公开了一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，包括甘薯叶片成像光谱的提取、变换、归一化等过程；本发明专利技术中甘薯叶片光谱的氮含量检测方法依赖于卷积神经网络，相较于传统的人工测量手段更加高效准确，与传统模型相比具有更高的准确性和适用性，在图像处理等多个领域拥有相对优势。同时本方法设计了两个全连接层，经优化对比增加了甘薯叶片氮素含量预测的准确性，实验数据分析结果表明，方法预测的甘薯叶片氮含量数据的准确度达到了78％，误差保持在3％以内，具有氮含量检测快，误差范围小的特点。

【技术实现步骤摘要】

本专利技术涉及甘薯叶片氮含量预测，尤其涉及一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法。

技术介绍

1、甘薯是世界上重要的粮食、饲料及工业原料作物，中国是世界上最大的甘薯生产国，甘薯因其独特的营养成分和功能特性，近年来成为研究热点。作为典型的无性繁殖为主的块根类作物，甘薯扞插后10天根系开始分化，茎基部长出不定很，不定根分化增粗膨大为膨大根，在30天左右块根分化基本建成，不定根分化方向取决于所处的环境条件，其中氮素营养起关键作用。生产中由于氮肥施用不合理，容易造成甘薯徒长个头儿，严重影响鲜食型甘薯的品质，损害种植效益，增加环境污染风险。因此，业界提出一系列方法对甘薯氮素含量进行诊断以提升甘薯氮肥的施用效率。

2、传统化学分析诊断方法是通过对株内氮素含量进行测定，从而判断其营养状况的盈缺程度。常见的化学分析诊断方法包括植株全氮测定和硝酸盐测定方法。植株全氮测定是研究最早也最为成熟的诊断方法，常用的测定手段有凯氏定氮法和奈氏比色法，该方法能够直接反映植物体的氮素营养状况，较为准确地进行营养诊断。硝酸盐作为非代谢物质类，在植物体内的含量变化远大本文档来自技高网...

【技术保护点】

1.一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，所述S2中MSC多元散射矫正算法包括以下步骤：

3.根据权利要求1所述的一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，所述S2中SG卷积平滑处理算法的具体原理为：设滤波窗口的宽度为n＝2m+1，各测量点为x＝(-m，-m+1，0，，，，0，1，…m-1，m)采用k-1次多项式对窗口内的数据点进行拟合y＝a0+a1x+a2x2+...+ak-1xk-1；于是就有了n个这样的方程，...

【技术特征摘要】

1.一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，所述s2中msc多元散射矫正算法包括以下步骤：

3.根据权利要求1所述的一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，所述s2中sg卷积平滑处理算法的具体原理为：设滤波窗口的宽度为n＝2m+1，各测量点为x＝(-m，-m+1，0，，，，0，1，…m-1，m)采用k-1次多项式对窗口内的数据点进行拟合y＝a0+a1x+a2x2+...+ak-1xk-1；于是就有了n个这样的方程，扣成了k元线性方程组，要使方程组有解则n应大于等于k，一般选择n＞k，通过最小二乘法拟合确定拟合参数a，由此得到：

4.根据权利要求1所述的一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，所述s3中ks算法的原理为：把所有的样本都看作训练集候选样本，依次从中挑选样本进训练集；首先选择欧氏距离最远的两个样本进入训练集，其后通过计算剩下的每一个样品到训练集内每一个已知样品的欧式距离，找到距已选样本最远以及最近的两个样本，并将这两个样本选入训练集，重复上述步骤直到样本数量达到要求；

5.根据权利要求1所述的一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，所述s4中uve无信息变量消除算法的原理为：无信息变量消除法是基于分析pls回归系数b的算法，光谱矩阵x和浓度矩阵y存在如下的关系：y＝xb+e其中b是回归系数向...

【专利技术属性】
技术研发人员：吕尊富，刘禹恒，朱月明，王杰，陈少杰，徐锡明，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：