基于高光谱成像的牧草粗蛋白含量检测研究

论文摘要

粗蛋白（CP）是评价牧草营养价值和品质参数的关键指标。快速、准确地对牧草中粗蛋白含量进行评估在畜牧业生产研究中具有重要意义。为确定牧草粗蛋白含量的高光谱特征波段及最优检测模型,研究分别于2017年5月至9月间在黑龙江省杜尔伯特自治区的人工牧草场（羊草）内每月随机选取35个样本, 5个月共采集175个样本。采样时在样本点处放置1 m×1 m的样方,将样方内所有牧草全部齐地面收割采集后称重并冷藏保存。将样本带回实验室后,立即进行牧草叶片高光谱图像采集,同时采用凯氏定氮法对采集的牧草样本进行粗蛋白化学值测定,以此建立牧草粗蛋白含量高光谱数据集。研究首先通过Savitzky-Golay卷积平滑（SG）、多元散射校正（MSC）、变量标准化（SNV）、一阶导数（1-Der）和直接正交信号校正（DOSC）方法5种预处理方法对高光谱数据进行处理后分别建立偏最小二乘回归（PLSR）检测模型,从中确定最优预处理方法。利用最优预处理结果,分别采用连续投影算法（SPA）和随机蛙跳算法（RF）进行牧草粗蛋白含量的特征波段选择,并利用选择结果分别进一步建立PLSR模型,以此确定适合粗蛋白含量的特征波段选择方法,确定最优高光谱检测模型。结果表明,在五种高光谱预处理方法中,基于SNV方法预处理后所建立的高光谱PLSR模型表现最优(R2-P=0.929, RMSE-P=6.344mg·g-1, RPD=4.204)。利用连续投影算法筛选的粗蛋白含量特征波长为30个,分布于530～700和940～1 000 nm范围内。经随机蛙跳算法确定的粗蛋白含量特征波段为6个,分别为826.544, 827.285, 828.766, 971.012, 972.494和973.235 nm。因此,该研究中牧草粗蛋白含量最优高光谱检测模型为SNV-RF-PLSR(R2-P=0.933, RMSE-P=6.034 mg·g-1, RPD=4.322),模型精度较高。该研究结果为牧草粗蛋白含量的高光谱检测提供了最优模型和理论基础,同时为指导草业生产开拓了新的技术思路。

论文目录

• 引 言
• 1 研究区概况及数据源
•   1.1 研究区概况
•   1.2 数据源
• 2 实验部分
•   2.1 牧草粗蛋白含量数据处理
•   2.2 高光谱预处理方法
•   2.3 特征变量选择方法
•   2.4 算法实现与模型验证
• 3 结果与讨论
•   3.1 全生长期内不同月份牧草叶片光谱曲线变化
•   3.2 最优光谱预处理方法的选择
•   3.3 基于SPA算法的特征波段选择
•   3.4 基于RF算法的特征波段选择
•   3.5 基于不同光谱特征变量选择方法的检测结果
• 4 结 论

文章来源

类型: 期刊论文

作者: 高睿,李泽东,马铮,孔庆明,Muhammad Rizwan,苏中滨

关键词: 牧草,粗蛋白,高光谱成像,连续投影算法,随机蛙跳算法

来源: 光谱学与光谱分析 2019年10期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,农业科技

专业: 化学,农作物,畜牧与动物医学

单位: 东北农业大学电气与信息学院

基金: 国家重点研发计划(2016YFD0200701)资助

分类号: S54;O657.3

页码: 3245-3250

总页数: 6

文件大小: 353K

下载量: 174