论文精选光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

Posted 2021-04-03 农业工程学报

《农业工程学报》2020年第36卷第22期刊载了河南科技大学等单位刘秀英、余俊茹与王世华的论文——“光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型”。该研究由河南省科技公关项目（项目号：182102110206）等资助。

引文信息：刘秀英,余俊茹,王世华.光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型[J].农业工程学报,2020,36(22):308-315.

研究目的与方法：

为了进一步提高种子含水率的高光谱估算精度，该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值，分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系，构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型，并对模型进行了验证；再结合一元线性回归（SLR，Single Linear Regression）、逐步多元线性回归（SMLR，Stepwise MultipleLinear Regression）、偏最小二乘回归（PLSR，Partial Least Squares Regression）模型与BP神经网络（BPNN，BP Neural Network）模型进行比较。

结果与结论：

结果表明：1）油用牡丹种子含水率的吸收光谱特征波长位于1410、1900、1990 nm，一阶微分光谱特征波长位于1150、1950、2080 nm；2）以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优，在能够满足水分估算精度的情况下，是最优的选择方法。3）将优选的特征参数作为输入，实测含水率值作为输出，构建BP神经网络模型，其建模与验模R²分别为0.978和0.973，RMSE分别为0.220%和0.242%，而RPD值分别为6.478和5.889，与其他模型相比，BP神经网络模型的建模及预测精度均最高，是估算油用牡丹种子含水率的最优模型，其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力，是估算油用牡丹种子含水率的有效方法。

»» 点击  阅读原文  获取全文