公开(公告)号：CN114235715B

公开(公告)日：2023-10-13

申请号：CN202111329128.9

申请日：2021-11-10

Applicant: 桂林理工大学

Inventor： 何文 ,  王金叶 ,  余玲 ,  葛梦兰

IPC: G01N21/25 ,  G01N21/55 ,  G06F30/27

Abstract: 本发明公开了一种喀斯特植物叶片全磷含量无损监测方法。采集植物叶片的光谱反射率数据和测定对应植物叶片的全磷含量，运用分数阶微分技术对光谱反射率进行预处理，将预处理的数据与植物叶片的全磷含量数据进行皮尔逊(Pearson’s)相关性检验，剔除相关性不显著的光谱波段，将传统回归分析方法与人工神经网络相结合，建立人工智能模型；模型建好后，将光谱反射率数据输入到人工智能模型中反推出相应植物叶片的全磷含量。本发明相比于实验室化学提取植物叶片全磷的方法，本方法不仅速度快而且对叶片本身无伤害，此外，相较于传统回归模型(如偏最小二乘回归模型(PLSR))，预测精度约提高30%。

公开(公告)号：CN114235715A

公开(公告)日：2022-03-25

申请号：CN202111329128.9

申请日：2021-11-10

Applicant: 桂林理工大学

Inventor： 何文 ,  王金叶 ,  余玲 ,  葛梦兰

IPC: G01N21/25 ,  G01N21/55 ,  G06F30/27

Abstract: 本发明公开了一种喀斯特植物叶片全磷含量无损监测方法。采集植物叶片的光谱反射率数据和测定对应植物叶片的全磷含量，运用分数阶微分技术对光谱反射率进行预处理，将预处理的数据与植物叶片的全磷含量数据进行皮尔逊(Pearson’s)相关性检验，剔除相关性不显著的光谱波段，将传统回归分析方法与人工神经网络相结合，建立人工智能模型；模型建好后，将光谱反射率数据输入到人工智能模型中反推出相应植物叶片的全磷含量。本发明相比于实验室化学提取植物叶片全磷的方法，本方法不仅速度快而且对叶片本身无伤害，此外，相较于传统回归模型(如偏最小二乘回归模型(PLSR))，预测精度约提高30%。