基于高光譜技術反演大豆生理信息的特征波長提取方法研究

劉 爽，于海業，樸兆佳，陳美辰，于 通，孔麗娟，張 蕾，黨敬民，隋媛媛

吉林大學生物與農業工程學院，吉林 長春 130022

引 言

生理信息的準確獲取可使管理者根據其生長狀況合理控制作物生長的環境參數，使水、肥、農藥等得到精確的管理，因此，生理信息準確獲取技術的研究可提高農業生產的科學性，有效促進我國農業整體水平的快速發展。近年來光譜技術的應用推動了作物生理信息研究方面的快速發展，尤其是高光譜技術，獲取的光譜波段是連續的，光譜信息較精準，因此被廣泛應用于作物的生理信息研究[1]。但是，高光譜數據的波長間往往會包含一些其他的多余信息，增加大量的計算工作，因此對全波段的波長變量進行優選和精簡十分必要。目前的研究表明，無關信息的存在會極大地降低模型的穩健性，因此，對高光譜數據進行特征波長的篩選提取是建立最優大豆生理信息反演模型的重要基礎[2-4]。

近年來提出了一些新型的特征波長變量優選方法，主要包括競爭性自適應權重取樣法(competitive adaptive reweighted sampling，CARS)、連續投影法(successive projections algorithm，SPA)、相關系數法(Correlation coefficient，CC)和其他算法等[5]。國內外學者針對不同特征波長提取方法在建立判別模型上的應用開展了大量的研究，Dai等[6]以蝦為研究對象，以冷凍和非冷凍為試驗條件，將SPA與SNV結合建立新鮮度檢測的判別模型，模型預測集的正確率均高于95%。劉澤蒙等[7]應用離散螢火蟲算法(DFA)進行光譜特征變量篩選建立發酵液丁二酸含量的PLSR模型，Rc和Rp值高達0.986和0.969，模型精度優于全光譜建模。……