基于近红外光谱与双权重竞争特征搜索策略的橡胶树叶片氮素检测  

Detection of nitrogen content in hevea rubber leaves based on near infrared spectroscopy and double weight feature search strategy

作　　者：胡鹏飞 唐荣年[1] 胡文锋[1] 李创[1] Hu Pengfei

机构地区：[1]海南大学机电工程学院,海南海口570228

出　　处：《江苏农业科学》2024年第18期222-231,共10页Jiangsu Agricultural Sciences

基　　金：海南省自然科学基金创新研究团队项目(编号:320CXTD431);国家自然科学基金(编号:32060413);海南省重点研发计划(编号:ZDYF2022GXJS008);海南省自然科学基金高层次人才项目(编号:321RC468)。

摘　　要：本研究旨在解决传统近红外光谱分析在橡胶树叶片氮含量(LNC)检测中模型精度和稳定性的局限。通过对180张橡胶树叶片进行定量分析,提出了一种改进的重加权采样算法,即双权重竞争性自适应重加权采样(DWCARS)。该方法综合运用回归系数和变量投影重要性(VIP)2种权重评价标准,并通过竞争性机制优化特征选择。比较分析结果表明,与传统CARS和差分进化(DE)等方法相比,DWCARS能够提取出更少且预测精度更高的波长变量。在测试集上,DWCARS模型展现了显著性能优势,其决定系数(R_(P)^(2))为0.9367,均方根误差(RMSE_(P))为0.1215,相比于CARS算法建立的预测模型RMSE P值降低了21.66%。表明DWCARS算法在提高橡胶树叶片氮含量检测的准确性和稳定性方面表现卓越,适用于精确监测橡胶树生长阶段的氮素状况。

关 键 词：近红外光谱 橡胶树 机器学习 光谱波段选择 叶片氮含量 DWCARS 

分 类 号：S127[农业科学—农业基础科学]