| 基于迁移学习的FDR土壤水分传感器自动标定模型研究 |
| |
| 引用本文： | 李鸿儒,于唯楚,王振营. 基于迁移学习的FDR土壤水分传感器自动标定模型研究[J]. 农业机械学报, 2020, 51(2): 213-220 |
| |
| 作者姓名： | 李鸿儒 于唯楚 王振营 |
| |
| 作者单位： | 东北大学信息科学与工程学院,沈阳110819;沈阳巍图农业科技有限公司,沈阳110021 |
| |
| 基金项目： | 国家重点研发计划项目（2017YFB0304205）和国家自然科学基金项目（61533007） |
| |
| 摘 要： | 针对频域反射技术(FDR)传感器人工标定数据拟合误差大的问题,引入其他地区数据作为辅助数据,建立了基于迁移学习的自动标定模型。该模型将FDR目标使用地点采集的数据作为源域数据,结合辅助数据与少量源域数据,使用TrAdaBoost算法即可得到准确的FDR传感器标定模型。将面向分类问题的TrAdaBoost算法改进为适用于本文面向回归的TrAdaBoost算法,将TrAdaBoost算法的基学习器由AdaBoost改为XGBoost,改进了更新权重误差率的计算方法。首先使用XGBoost对辅助数据进行训练,得到初始标定模型;然后在目标地点采集少量数据,使用改进后的TrAdaBoost算法对初始标定模型进行校准,即可得到准确的FDR标定模型。将10个不同地区站点数据作为辅助数据,训练得到初始标定模型,将沈阳地区6个站点分别作为目标使用地点,取80%数据作为源域数据,进行模型校正,其余20%数据用于测试。测试结果的平均准确率为99. 1%,说明基于迁移学习的自动标定模型是有效和准确的。
|
| 关 键 词： | FDR土壤水分传感器 自动标定 迁移学习 TrAdaBoost XGBoost |
| 收稿时间： | 2019-05-10 |
Automatic Calibration Model of FDR Soil Moisture Based on Transfer Learning |
| |
| LI Hongru,YU Weichu and WANG Zhenying. Automatic Calibration Model of FDR Soil Moisture Based on Transfer Learning[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(2): 213-220 |
| |
| Authors: | LI Hongru YU Weichu WANG Zhenying |
| |
| Affiliation: | Northeastern University,Northeastern University and Shenyang Weitu Agricultural Science and Technology Co., Ltd. |
| |
| Abstract: | |
| |
| Keywords: | FDR soil moisture sensor automatic calibration transfer learning TrAdaBoost XGBoost |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
