基于PCA-LSTM小麦叶片水分检测研究
- 格式：pdf
- 大小：415.64 KB
- 文档页数：6
赵 东 东１， 赵 雅 丽２， 赵 秉 强３， 崔 东 云２， 丁 筱 玲２
（１．中 铝 山 东 有 限 公 司 ，山 东 淄 博 ，２５５０００；２．山 东 农 业 大 学 机 械 与 电 子 工 程 学 院 ，山 东 泰 安 ，２７１０１８； ３．中 国 农 业 科 学 院 ，北 京 市 ，１０００８１）
第 ４０ 卷 第 ３ 期 ２０１９ 年 ３ 月
中国农பைடு நூலகம்化学报 Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎｅｓｅ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍｅｃｈａｎｉｚａｔｉｏｎ
ＤＯＩ：１０．１３７３３／ｊ．ｊｃａｍ．ｉｓｓｎ．２０９５－５５５３．２０１９．０３．２８
Ｖｏｌ．４０ Ｎｏ．３ Ｍａｒ． ２０１９
基于 ＰＣＡ－ＬＳＴＭ 小麦叶片水分检测研究＊
植 物 叶 片 水 分 检 测 通 常 有 干 燥 法 、化 学 法 、近 红 外 线法等方法［２］，但传统检测方式由 于 操 作 方 式 繁 杂、仪 器价格以及精度 问 题，导 致 在 实 际 测 量 植 物 叶 片 水 分 时会出现不同程度的偏差。而机器视觉技术由于在叶 片图像分析中具有快速、无损检 测 等 优 点［３］，在 作 物 水 分检测领域得到 广 泛 应 用，本 文 检 测 小 麦 叶 片 水 分 研 究方法即为机器视觉。
摘要：为实现小麦叶片含水量精准检测，该文提 出 基 于 主 成 分 分 析 （Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）和 长 短 时 记 忆 网 络（ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ，ＬＳＴＭ）构建预测模型 对 小 麦 叶 片 含 水 量 进 行 精 准 检 测 。 试 验 以 济 麦 ２２ 号 小 麦 为 研 究 对 象，均匀划分其种植区域并灌溉不同水量以作叶片水分梯度 分 析；然 后 采 集 叶 片 图 像 并 提 取 叶 片 Ｒ、Ｇ、Ｂ 颜 色 特 征 值，运 用灰度梯度共生矩阵提取均值、灰度熵、逆差距、梯度熵、混 合 熵、惯 性、等 １５ 个 纹 理 特 征 值，形 状 特 征 值 提 取 面 积、宽、伸 缩率；最后基于主成分分析对提取特征值进行降维处理，并分别应用 ＢＰ 神经网络、支持向 量 机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ， ＳＶＭ）进 行检测对比。试验证明：该模型平均绝对误差、平均绝对百分误差、均方根 误 差 分 别 为 ０．００２、０．００２ 和 ０．０１１，均 优于传统预测方法，具有良好的预测性能和泛化能力。由此表明，该方法切实可行，能够满足小麦叶片水分预 测 的 实 际 需 要 ，为 后 期 研 发 智 能 灌 溉 系 统 提 供 坚 实 理 论 指 导 。 关 键 词 ：含 水 量 ；梯 度 分 析 ；特 征 值 ；ＬＳＴＭ；预 测 性 能 中图分类号：Ｓ５７２ 文献标识码：Ａ 文章编号：２０９５－５５５３ （２０１９）０３－０１５４－０６
赵 东东，赵雅丽，赵秉强，崔东云，丁 筱 玲．基 于 ＰＣＡ－ＬＳＴＭ 小 麦 叶 片 水 分 检 测 研 究 ［Ｊ］．中 国 农 机 化 学 报，２０１９，４０ （３）：１５４－１５８，１８４ Ｚｈａｏ Ｄｏｎｇｄｏｎｇ，Ｚｈａｏ Ｙａｌｉ，Ｚｈａｏ Ｂｉｎｇｑｉａｎｇ，Ｃｕｉ Ｄｏｎｇｙｕｎ，Ｄｉｎｇ Ｘｉａｏｌｉｎｇ．Ｓｔｕｄｙ ｏｎ ｗｈｅａｔ ｌｅａｆ ｍｏｉｓｔｕｒｅ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ＰＣＡ－ＬＳＴＭ ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎｅｓｅ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍｅｃｈａｎｉｚａｔｉｏｎ，２０１９，４０（３）：１５４－１５８，１８４
利用机器视觉 检 测 叶 片 水 分 过 程 中，预 测 模 型 的 选择搭建是 其 关 键 核 心 。 ［４］ 目 前 常 用 预 测 方 法 有 ＢＰ
神经网络、Ｅｌｍａｎ神经网 络、ＳＶＭ 等［５］。ＢＰ 神 经 网 络 具有非线性、泛化 能 力、自 学 习 和 自 适 应 性、容 错 性 强 等优点，在解决复杂内部问题中取得了 不 错的效果，在 植物叶片水分检测中效果较好，但其也存 在 局 部收敛、 收敛速度 慢、样 本 依 赖 性 强 等 局 限 性［６］。Ｅｌｍａｎ 神 经 网络相对比 ＢＰ 神经 网 络 具 有 记 忆 性、适 应 时 变 性、全 局稳定性等优 点，在 叶 片 水 分 预 测 中 与 ＢＰ 神 经 网 络 相比效果 更 为 理 想。 但 其 也 存 在 隐 含 层 节 点 数 难 确 定、学习速度慢、收敛不稳定 等 缺 点 。 ［７］ 与 传 统 神 经 网 络相比，支持向量机具有更坚实的数学 理 论基础，可以 有效地解决 有 限 样 本 条 件 下 的 高 维 数 据 模 型 构 建 问 题，并具有收敛到全局最优、泛化能力 强、维 数 不 敏感、 鲁棒性等优点，在叶片水分检测领域效 果 显著，但其核 函数及参数选取 目 前 一 直 未 能 得 到 很 好 解 决，模 型 搭 建过程耗时较长 。 ［８］
０ 引 言
小麦是我国重 要 的 粮 食 作 物，总 产 量 与 粮 食 总 产 量比值高达 ２２％ 左 右，其种植产量直接影响农户收 成 和国计民生。影 响 小 麦 产 量 因 素 较 多，水 则 是 其 中 比 较重要的影响 因 素。 缺 水 不 仅 影 响 小 麦 生 长 发 育，还 会降低小麦产量乃至品质 。 ［１］ 因 此 对 小 麦 叶 片 含 水 量 进 行 精 准 、无 损 检 测 ，对 于 监 测 小 麦 生 长 以 及 研 发 智 能 节水灌溉系统具有十分重要的研究意义。
近 年 来 ，基 于 深 度 学 习 的 预 测 方 法 得 到 广 泛 应 用 。 与传统预测方法 相 比，深 度 学 习 具 有 更 强 的 学 习 能 力 和泛化能力。在 深 度 学 习 众 多 模 型 中，循 环 神 经 网 络
收 稿 日 期 ：２０１８ 年 １２ 月 ３ 日 修 回 日 期 ：２０１８ 年 １２ 月 １９ 日 ＊ 基 金 项 目 ：山 东 省 自 然 科 学 基 金 面 上 项 目 （ＺＲ２０１７０９２６０３１３）；山 东 省 重 点 研 发 项 目 （２０１７ＧＮＣ１２１０３） 第 一作者：赵东东，男，１９９２年生，山东德州人，硕士研究生；研究方向为机器视觉。Ｅ－ｍａｉｌ：８９１２５１０８１＠ｑｑ．ｃｏｍ 通 讯作者：丁筱玲，女，１９６５年生，山东泰安人，博士，教授；研究方向为农业智能节水灌溉。Ｅ－ｍａｉｌ：１５２１５３８７８５１＠１６３．ｃｏｍ
