典型文献
基于集成学习和近红外光谱的玉米种子含水率预测方法研究
文献摘要：
针对传统化学方法测定玉米种子含水率存在工序复杂、周期长、成本高等问题,提出一种基于集成学习算法和近红外光谱技术的快速、无损预测玉米种子含水率的方法.以‘陕科9号’等8个品种的320份玉米种子作为研究对象,用近红外光谱仪(Antaris Ⅱ型,美国Nicolet公司)采集玉米种子的近红外漫反射光谱.统一采用偏最小二乘回归(Partial Least Squares Regression,PLS)方法对比分析SG平滑滤波(Savitzky-Go-lay,SG)结合4种光谱预处理方法对玉米种子近红外光谱的预处理效果,发现Savitzky-Golay方法结合多元散射校正法去噪效果最优.采用竞争性自适应重加权算法(CARS)进行特征波长的提取,前7个光谱特征的累计贡献率超 92％以上.以 GBDT(Gradient Boosting Decision Tree,梯度提升决策树)、RF(Random Forest,随机森林)、XGB(或XGBoost,Extreme Gradient Boosting极端梯度上升)作为基础模型,采用Stacking作为融合策略,建立Stacking集成学习模型.预处理后的数据,提取前7个主成分作为特征向量,用直接干燥法得到这些种子的含水率作为标签,分别训练4种玉米种子含水率预测模型,对比分析该4种模型的性能指标,Stacking集成模型经过2 163次训练后预测相关系数R2P=0.939 1,相对分析误差PRD=2.91.结果表明,Stacking集成模型融合了 GDBT、RF、XGB 3个基础模型的优势,精度高,收敛特性好,泛化能力强,为玉米种子含水率快速、无损的测定提供了新的思路.
文献关键词：
玉米种子;近红外光谱;集成学习;Stacking;含水率
中图分类号：
作者姓名：
杨琳;张林;叶泽辉
作者机构：
商洛学院电子信息与电气工程学院,陕西商洛 726000;陕西省商丹高新学校,陕西商洛 726000
文献出处：
引用格式：
[1]杨琳;张林;叶泽辉-.基于集成学习和近红外光谱的玉米种子含水率预测方法研究)[J].西北农业学报,2022(08):1025-1034
A类：
Nicolet,GDBT
B类：
玉米种子,种子含水率,含水率预测,传统化,化学方法,集成学习算法,近红外光谱技术,红外光谱仪,Antaris,漫反射光谱,偏最小二乘回归,Partial,Least,Squares,Regression,PLS,方法对比,SG,平滑滤波,Savitzky,光谱预处理,预处理方法,处理效果,Golay,多元散射校正,正法,去噪效果,竞争性自适应重加权算法,CARS,特征波长,光谱特征,累计贡献,GBDT,Gradient,Boosting,Decision,Tree,梯度提升决策树,RF,Random,Forest,XGBoost,Extreme,梯度上升,基础模型,Stacking,融合策略,集成学习模型,分作,特征向量,直接干燥法,集成模型,R2P,PRD,模型融合,收敛特性,泛化能力
AB值：
0.320324
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
