买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:杭州电子科技大学
摘要:本发明公开了一种基于卷积神经网络和高光谱特征的叶绿素含量估算方法,属于农业监测技术领域,其具体步骤如下:S1.基于实测数据结合高斯过程回归算法进行数据模拟,得到模拟数据集,S2.构建高光谱植被指数特征并进行优化,S3.基于卷积神经网络和迁移学习方法的叶片叶绿素含量估算模型构建,S4.基于构建模型的叶片叶绿素估算结果评估情况。本发明在实测叶片高光谱及叶绿素含量数据较少情况下,结合高光谱特征筛选及卷积神经网络对作物叶片叶绿素含量进行了精确评价,对于基于叶片叶绿素含量变化特征的作物生长状况监测及分析具有重要意义。
主权项:1.一种基于卷积神经网络和高光谱特征的叶绿素含量估算方法,其特征在于:其包括以下步骤S1.实测植株叶片叶绿素含量和高光谱反射率数据得到实测数据,基于实测数据并结合高斯过程回归算法进行数据模拟,得到叶片反射光谱及对应叶片叶绿素含量的模拟数据集;S2.结合叶片反射光谱及对应叶片叶绿素含量的模拟数据集进行高光谱植被指数特征计算,并结合竞争性自适应重加权取样算法对高光谱植被指数特征进行优化;S3.基于优化后的高光谱植被指数特征,结合模拟数据进行ResNet-18网络模型参数训练;基于部分实测数据,结合迁移学习方法,对ResNet-18网络模型参数进行精调,形成叶片叶绿素估算模型;S4.基于其余部分实测数据对叶片叶绿素估算模型的精度进行评估,评估不合格,返回S1并增加植株叶片叶绿素含量和高光谱反射率数据的实测量;评估合格,用叶片叶绿素估算模型对叶片叶绿素含量进行估算。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 基于卷积神经网络和高光谱特征的叶绿素含量估算方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。