Fig. 1. Spectra of leaves with different moisture content
Fig. 2. Spectra after different pretreatments
(a): Raw spectra; (b): Pretreated by SNV; (c): Pretreated by MSC; (d): Pretreated by SG
Fig. 3. CARS feature bands selection
Fig. 4. CNN model structure diagram
Fig. 5. Regression curves of different models
(a): Raw spectra+CARS+CNN; (b): Raw spectra+CARS+PLSR; (c): SNV+PCA+RF; (d): SNV+PCA+SVR
Fig. 6. Distribution maps of different moisture contents
样本量 | 最小值 | 最大值 | 平均值 | 方差 |
---|
500 | 19.59 | 83.05 | 62.22 | 0.93 |
|
Table 1. Distribution statistics of water content in citrus leaves(%)
网络层 | 模型参数 |
---|
输入层 | 全波段为256×1, CARS筛选后为29×1, PCA提取后为10×1 | 卷积层C1 | 卷积核大小为1×3×16, 步长为1 | 最大池化层S1 | 最大池化, 步长为1, 经过特征选择大小设置为1×1, 全波段大小设置为1×2 | 卷积层C2 | 卷积核大小为1×3×32, 步长为1 | 最大池化层S2 | 最大池化, 步长为1, 经过特征选择大小设置为1×1, 全波段大小设置为1×2 | 卷积层C3 | 卷积核大小为1×3×64, 步长为1 | 最大池化层S3 | 最大池化, 步长为1, 经过特征选择大小设置为1×1, 全波段大小设置为1×2 | 全连接层F5 | 32个神经元 | 输出层 | 1个神经元, 输出柑橘叶片含水量预测值 |
|
Table 2. CNN model parameter setting
模型 | 选择特征 波段 | 数据预 处理 | 训练集 | 测试集 |
---|
| RMSE | | RMSE |
---|
CNN | 全波段 | 原始数据 | 0.934 3 | 0.024 9 | 0.915 9 | 0.028 6 | | SNV | 0.998 6 | 0.003 5 | 0.876 1 | 0.034 0 | | MSC | 0.964 8 | 0.017 5 | 0.866 2 | 0.037 7 | | SG | 0.245 3 | 0.084 3 | 0.202 5 | 0.085 8 | PCA | 原始数据 | 0.997 8 | 0.004 3 | 0.699 1 | 0.055 7 | | SNV | 0.997 5 | 0.004 3 | 0.696 9 | 0.063 0 | | MSC | 0.999 4 | 0.002 3 | 0.726 3 | 0.044 3 | | SG | 0.999 7 | 0.001 4 | 0.169 6 | 0.104 7 | CARS | 原始数据 | 0.967 9 | 0.016 3 | 0.947 0 | 0.021 4 | | SNV | 0.998 1 | 0.004 2 | 0.891 5 | 0.032 3 | | MSC | 0.985 5 | 0.011 3 | 0.895 4 | 0.032 5 | | SG | 0.238 3 | 0.088 1 | 0.172 1 | 0.077 7 |
|
Table 3. Forecast results of different models
模型 | 训练集 | 测试集 |
---|
| RMSEC | | RMSEC |
---|
原始数据+CARS+PLSR | 0.879 4 | 0.033 9 | 0.858 1 | 0.034 7 | SNV+PCA+RF | 0.947 8 | 0.022 3 | 0.746 2 | 0.040 9 | SNV+PCA+SVR | 0.643 6 | 0.055 3 | 0.612 6 | 0.065 7 | 原始数据+CARS+CNN | 0.967 9 | 0.016 3 | 0.947 0 | 0.021 4 | 原始数据+全波段+CNN | 0.934 3 | 0.024 9 | 0.915 9 | 0.028 6 |
|
Table 4. Comparison of prediction results of different models