共查询到20条相似文献,搜索用时 296 毫秒
1.
2.
为研究样本集选择方法对稻谷千粒重NIR模型的影响,分别采用不同数量样品,不同定标集、验证集比例以及不同定标集选择方法,选出建模的定标集,在600~1100 nm的波长区间,用偏最小二乘法建立稻谷千粒重的近红外光谱预测模型,根据内部交叉验证决定系数(Rv2)、外部验证决定系数(Rp2)、内部交叉验证误差(SECV)和预测误差(SEP)比较模型的预测能力。结果显示,样品数量、定标集和验证集比例以及定标集选择方法均对稻谷千粒重的NIR模型有明显影响。采用合适数量的样品可以得到较佳的NIR模型,以7∶3的比例分割定标集与验证集,得到的稻谷千粒重NIR模型具有相对高的预测能力,而与含量梯度法和随机抽取法相比,采用K-S算法进行定标集选择,可以得到预测精度更高的NIR模型。 相似文献
3.
近红外透射光谱技术测定黍稷蛋白含量的研究(英文) 总被引:1,自引:0,他引:1
[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。 相似文献
4.
5.
分别应用NIRSystems 6500和InfraXact Lab两种不同型号近红外光谱仪对茶叶中茶多酚和咖啡碱含量进行定标建模,确定了在改进偏最小二乘法定标技术下的最优光谱数据预处理方式,分别建立了茶多酚和咖啡碱的优化定标模型.NIRSystems 6500和InfraXact Lab两种型号近红外光谱仪所建立茶多酚的最优定标模型目标函数f值分别为96.07%和95.96%,咖啡碱的最优模型目标函数f值分别为95.32%和91.47%,定标效果良好.利用验证集样本对模型进行了检验,茶多酚和咖啡碱的预测相对分析误差(RPD)均大于3.结果表明,两种仪器所得到的模型定标效果均良好,预测精度高,都可用于实际检测.NIRSystems 6500型近红外光谱仪的定标效果和稳定性优于InfraXact Lab型近红外光谱仪. 相似文献
6.
为了找到一种快速、简单的测定绿豆品质的方法,利用瑞典波通(Perten)公司生产的DA7200二极管阵列近红外光谱仪,以来自我国绿豆主产区的77份绿豆资源为试验材料,对样品进行光谱扫描,并测定了直链淀粉含量的参比数据。结果表明:定标集和检验集样品的蛋白质含量预测值与化学测定值之间均呈极显著的正相关,相关系数分别为0.977 2和0.963 1;所建定标模型具有较高的预测精度。本研究利用近红外光谱仪对完整绿豆粗蛋白质的分析,可直接用于育种材料选择以及突变体筛选和种质资源的评价等研究。 相似文献
7.
8.
9.
10.
分析了高校图书馆采访工作的现状,运用定标比超法对文献采访工作优化的研究,并提出了相应的实施步骤,同时对其意义进行了简要的阐述. 相似文献
11.
建立了水中全氟辛烷磺酸(perfluoro-rooctane sulfonate, PFOS)的高效液相色谱-串联质谱法分析方法。用0.22μm PP滤膜过滤水样,Poly-Sery HLB固相萃取柱对200 mL水样进行富集处理,以质量分数为10%的甲醇水溶液淋洗HLB柱以去除表面杂质,随后抽真空,再用4 mL纯甲醇溶液洗脱HLB柱。取洗脱液上机检测,以质量分数为0.1%的甲酸为流动相A,甲醇为流动相B,采用ACQΜITYΜPLC BEH C;色谱柱对洗脱液进行分离,负离子多反应监测模式检测,碎片离子m/z=80,内标法定量分析。在优化条件下,PFOS在0.01~50μg/L范围内线性较好,相关系数r>0.99,方法检出限为0.25μg/L。方法加标回收实验添加浓度0.2、2.0和20μg/L,PFOS加标回收率为82.1%~104.5%,相对标准偏差(RSD)为2.34%~5.64%。采集湖泊及养殖虾塘进出口水样进行测定,其PFOS含量均低于检出限,其中,湖水加标回收率为84.75%~112.2%,RSD<5.62%,养殖塘水样加标回收率为81.7%~118.6%,RSD<7.51%,实验所建方法可方便准确地检测水中PFOS含量。 相似文献
12.
[目的]测定金针菇中对人体有益的金属元素的含量。[方法]采用微波消解法消解样品,用原子吸收光谱法测定新疆产金针菇中Zn、Fe,K、Na、Ca 5种金属元素的含量。[结果]试验得出,金针菇中Zn、K、Fe、Na、Ca的含量依次为114.25、105.61、81.63、42.71、54.36 mg/kg,其中Zn、K、Fe 3种元素的含量均较高,Na、Ca 2种元素含量较低。该方法的加标回收率为93.6%~103.7%,RSD1.04%,具有良好的准确度和精密度。[结论]该研究为探索金针菇的食疗作用提供了一定的理论依据。 相似文献
13.
14.
一种基于改进时间卷积网络的生猪价格预测方法 总被引:1,自引:0,他引:1
针对传统的生猪价格预测方法存在预测精度不够高,容易陷入局部最小值等问题,为更加精准地预测生猪价格,采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法,以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本,对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606,平均绝对误差(MAE)为0.288 424,决定系数(R2)为0.995 683,均优于其他3种机器学习模型;与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较,3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。 相似文献
15.
基于优化卷积神经网络的玉米螟虫害图像识别 总被引:4,自引:2,他引:2
【目的】随着人工智能和大数据技术的不断发展,针对常规玉米虫害识别方法存在的准确率和效率低等问题,本文提出了一种基于改进GoogLeNet卷积神经网络模型的玉米螟虫害图像识别方法。【方法】首先通过迁移学习将GoogLeNet的Inception-v4网络结构知识转移到玉米螟Pyrausta nubilalis虫害识别的任务上,构建模型的训练方式;然后通过数据增强技术对玉米螟虫图像进行样本扩充,得到神经网络训练模型的数据集;同时利用Inception模块拥有多尺度卷积核提取多尺度玉米螟虫害分布特征的能力构建网络模型,并在试验过程中对激活函数、梯度下降算法等模型参数进行优化;最后引入批标准化(BN)操作加速优化模型网络训练,并将该模型运用到玉米螟虫害识别中。【结果】基于TensorFlow框架下的试验结果表明,优化后的神经网络算法对玉米螟虫害图像平均识别准确率达到了96.44%。【结论】基于优化的卷积神经网络识别模型具有更强的鲁棒性和适用性,可为玉米等农作物虫害识别、智能诊断提供参考。 相似文献
16.
基于遗传算法优化的BP神经网络进行水稻氮素营养诊断 总被引:2,自引:0,他引:2
应用遗传算法优化BP神经网络进行水稻氮素营养诊断,为水稻的合理施氮提供理论指导。水稻田间试验供试品种为‘两优培九’,设置4个施氮水平(0、210、300、390 kg·hm-2)。在水稻幼穗分化期,扫描获取水稻顶部第三完全展开叶图像,并通过图像处理技术获取19维水稻图像中的颜色和几何形态特征,采用归一化处理、离散小波变换及主成分分析对原始数据进行预处理,并应用遗传算法优化的BP神经网络进行水稻氮素营养诊断。该方法建立的水稻氮素营养诊断模型较单一BP神经网络模型和传统遗传算法优化BP神经网络模型好,模型测试所得4个施氮水平的平均识别率分别为100.000%、99.000%、97.000%、100.000%,测试集样本平均总识别率达到99.000%。基于遗传算法优化的BP神经网络所建立的水稻氮素营养诊断模型具有较强的学习能力和泛化能力,能够很好地识别出水稻氮素营养的缺失,表明运用该方法能够很好地进行水稻氮素营养诊断识别。 相似文献
17.
为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。 相似文献
18.
为实现水稻氮素营养的快速、准确识别,采用改进的VGG 16网络和迁移学习相结合的水稻氮素营养诊断识别方法,以杂交稻‘两优培九’为试验对象进行田间试验,设置4组不同的施氮水平(施氮量分别为0、210、300和390 kg/hm2),在水稻幼穗分化期和齐穗期,扫描获取水稻叶片图像数据;通过图像预处理方法,对数据进行扩充;构建改进的VGG16和迁移学习相结合的网络模型对水稻叶片图像数据进行氮素营养诊断识别。结果表明:1)在幼穗分化期时,改进的VGG16网络的识别准确率为93.1%,模型大小约为迁移学习VGG16模型的1/6,训练时间约为1 261 s。2)在水稻幼穗分化期和齐穗期,该模型微调后的识别准确率均能达到95%以上。基于迁移学习和改进的VGG16网络所建立的水稻氮素营养诊断模型具有较好的泛化能力,可以预测水稻氮素营养状况,为水稻氮素营养诊断提供参考。 相似文献
19.
针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。 相似文献
20.
Development of a target oriented weed control system 总被引:1,自引:0,他引:1