基于高光谱技术的哈密瓜果实物候期判别模型

摘要

cqvip:以新和地区种植的大田哈密瓜为研究对象,采集不同物候期哈密瓜果实样本,采集高光谱数据并通过Savitzky-Golay一阶导数(SG-1)、Savitzky-Golay二阶导数(SG-2)、标准正态变换(SNV)、多元散射校正(MSC)4种光谱预处理方法进行预处理,建立广义回归神经网络(GRNN)和概率神经网络(PNN)2种哈密瓜物候期判别模型,以模型判别正确率为评价指标,结果显示,所建模型均能很好地识别哈密瓜果实物候期。将采集到的4个时期的哈密瓜果实样本光谱组合成10组具有输入变量的光谱样本,分别建立GRNN和PNN判别模型,以模型运行时间作为模型评价指标,得出以3个时期的哈密瓜样本光谱所建立的SG-1-GRNN和SNV-PNN模型为最优,运行时间为0.0469 s,运行速率最多可提高57%。