基于高光谱图像的生菜叶片水分预测研究

为了便于生菜合理施水管理，力求构建生菜叶片水分检测模型。采集生菜叶片获取高光谱图像并同时测量叶片含水率，分析高光谱图像寻求生菜叶片水分特征波段，处理特征波段处的波段图像，求取生菜叶片水分的图像特征，并通过相关性分析筛选出其中与水分相关性高的图像特征。由于图像特征之间存在可能的相关性，利用偏最小二乘PLS提取图像特征的主成分，作为具有回归预测能力的BP神经网络的输入，构建PLS-ANN模型。同时分别利用BP神经网络、传统的多元回归方法MLR建模，采用相同的样本数据分别对三种模型进行预测试验，结果表明，发棵期的PLS-ANN网络模型的生菜叶片水分预测平均误差率达到9.323%，比BP-ANN和MLR预测模型均有了改善。