引用格式：叶大鹏, 陈晨, 李慧琳, 雷莹晓, 翁海勇, 瞿芳芳. 基于深度卷积生成式对抗网络的菌草丙二醛含量可见/近红外光谱反演[J]. 智慧农业(中英文), 2023, 5(3): 132-141.
DOI：10.12133/j..
YE , CHEN Chen, LI , LEI , WENG , QU . /NIR of in Based on Deep [J]. Smart , 2023, 5(3): 132-141.[J]. Smart , 2023, 5(3): 132-141.
DOI：10.12133/j..
官网全文免费阅读
知网阅读
基于深度卷积生成式对抗网络的菌草丙二醛含量可见/近红外光谱反演
叶大鹏1，2， 陈晨1，2， 李慧琳1，2， 雷莹晓3， 翁海勇1，2， 瞿芳芳1，2*
（1.福建农林大学 机电工程学院，福建福州 ， 中国；2.福建省农业信息感知技术重点实验室，福建福州 ， 中国；3.福建农林大学 园艺学院，福建福州 ， 中国）
摘要：
［目的/意义］菌草是多年生可用作饲料与生物质能源的草本植物，在温带种植需克服越冬问题。低温胁迫会对菌草的生长发育造成不利影响。丙二醛（，MDA）含量作为诊断菌草低温胁迫状态的有力诊断指标，利用光谱技术反演MDA含量，可快速无损地评估菌草生长动态，为菌草育种及低温胁迫诊断提供参考。
［方法］本研究基于6个品种的菌草植株，设置低温胁迫组与常温对照组，获取菌草苗期的可见/近红外光谱（/Near ，VIS/NIR）数据与叶片MDA含量信息，分析低温胁迫条件下菌草MDA含量及其光谱反射率均相应增加的变化趋势；为提升模型的检测效果，提出了改进的一维深度卷积生成式对抗网络（Deep ，DCGAN）用于样本数量增广，并建立基于随机森林（ ，RF）、偏最小二乘回归（ Least ，PLSR）以及卷积神经网络（ ，CNN）算法的MDA光谱定量检测模型。
［结果和讨论］DCGAN可优化模型的可靠性与MDA检测精度，且DCGAN联合RF模型可以得到最佳的检测效果，其中预测集决定系数Rp2为0.7922，均方根误差为2.4063，残差预测偏差（ ，RPD）为2.1937。
［结论］本研究利用DCGAN进行样本数量增广，能显著提升基于光谱数据的模型对菌草MDA含量的反演精度与预测性能。
关键词：菌草；可见/近红外光谱；深度卷积生成式对抗网络；低温胁迫；机器学习
文章图片
图1 不同品种的菌草植株
Fig. 1 of
图2 DCGAN流程及其具体网络参数
Fig. 2 of DCGAN and its
注：a、b代表检测下低温胁迫的MDA含量具有显著差异（P
图3 菌草叶片的平均光谱与MDA含量图
Fig.3 and MDA of
图4 菌草叶片的原始样本与生成样本光谱图
Fig.4 and of
图5 菌草叶片原始样本的概率密度与生成样本的平均光谱曲线
Fig. 5 of the and the of the of
图6 添加不同生成样本数量的3种检测模型的R2与RMSEP曲线图
Fig. 6 R2 and RMSEP of three with sizes added
图7 不同模型下菌草MDA含量预测值与实测值相关图
Fig. 7 graph of and MDA of under
作者简介
叶大鹏 教授
叶大鹏，福建农林大学教授、工学博士，博士生导师，教育部高等学校农业工程类专业教学指导委员会委员，福建农林大学机电工程学院院长，中国农业机械学会理事，福建省机械工程学会副理事长。研究方向为农业生物环境监测与控制、山地农业机械性能设计与测试技术、农业技术与智能机械等。主持省部级及以上项目4余项。获省部级科技进步三等奖1项，获省级教学成果一等奖1项、二等奖２项。发表的论文30余篇，合撰专著1本。近５年来，获批发明专利１６项，指导省级以上大学生创新训练项目4项，其中国家级3项，指导学生获得省级以上学科竞赛12项，其中国家级4项。
瞿芳芳 讲师
瞿芳芳，工学博士、讲师，主要从事数字农业信息技术、农产品质量安全快速检测技术、太赫兹光谱成像检测技术、太赫兹超材料传感技术、功能化纳米传感材料、光谱数据分析算法、量子化学分子模拟计算等研究工作。主持省部级及以上项目2项。发表论文20余篇。授权发明专利1项。
323AI导航网发布
相关文章
