基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测

编号 zgly0001632453

文献类型 期刊论文

文献题名 基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测

作者 陈珠琳  王雪峰 

作者单位 中国林业科学研究院资源信息研究所 

母体文献 应用生态学报 

年卷期 2018年05期

年份 2018 

分类号 S792.99 

关键词 檀香  BP神经网络  氮素  无损检测 

文摘内容 氮素是植物生长需要的大量元素之一,生产经营者在植物生长过程中往往施加大量的氮肥,但过量的肥料会造成地下水污染.本文针对珍贵树种檀香,提出了一种基于ST-PCABP神经网络的檀香叶片全氮含量无损检测方法,为檀香的经营培育提供参考.结果表明:将野外获取到的檀香图像由RGB转换到L~*a~*b~*系统,可以较好地完成自然图像中的檀香分割.这是由于L~*a~*b~*系统色域宽,受光照变化的影响较小.ST-PCA-BP神经网络的特点是通过显著性检验(ST)筛选变量,使用方差膨胀因子和条件指数分析筛选结果的共线性,主成分分析法(PCA)消除共线性.该处理方法有效地减小了BP神经网络陷入局部最小值的概率,与原始数据、ST处理和PCA处理相比,决定系数最高,平均残差和均方根误差最小,是檀香叶片全氮含量无损、实时检测的最佳方法.