基于多特征和改进BPNN的降香黄檀冠层叶片全氮含量无损诊断

编号 zgly0001657162

文献类型 期刊论文

文献题名 基于多特征和改进BPNN的降香黄檀冠层叶片全氮含量无损诊断

作者 陈珠琳  王雪峰  陈毅青  薛杨  刘嘉政 

作者单位 中国林业科学研究院资源信息研究所  海南省林业科学研究所 

母体文献 生态学杂志 

年卷期 2019年01期

年份 2019 

分类号 S792.28 

关键词 营养诊断  全氮  PSO-BP-Adaboost  数字图像处理  降香黄檀 

文摘内容 氮素是植物生命活动不可或缺的营养成分之一,合理的施肥不仅有利于植物健康成长,还可以减少对土壤及地下水污染等生态问题。本研究以降香黄檀为对象,提出了一种基于多特征和改进BPNN(Back Propagation Neural Network)的冠层叶片全氮含量无损诊断方法。通过数字图像处理技术对冠层图像进行分割,计算得到27种图像特征(颜色、纹理、形状),通过计算Pearson系数筛选出与全氮含量显著相关的因子,做主成分分析并提取前四主成分,将其作为改进BPNN(即PSO-BPNN-Adaboost)的输入向量。结果表明:使用多特征能更全面准确地反映降香黄檀冠层叶片的全氮含量;另一方面,BPNN、PSO-BPNN、BPNN-Adaboost与PSO-BPNN-Adaboost算法的比较结果表明,PSO-BPNN-Adaboost算法更可靠;同时,PSO处理对结果的优化程度更大,因此对于BP神经网络来说,需要先找一个合适的初始值和阈值,再对其进行增强处理。本研究考虑了氮胁迫对植株多方面的影响,突破了仅限于从颜色角度实现全氮含量预测的方法,也为珍贵树种经营中精准施肥提供了参考,可有效减小使用过量肥料造成的生态污染等问题。