为快速、准确检测小白杏的成熟度,该研究选择七成熟、八成熟、九成熟、十成熟的小白杏样本各120个,采用近红外高光谱成像系统采集样本的高光谱数据,进行去除噪声和剔除界外样本处理。然后使用均值中心化(mean centering,MC)、Savitzky-Golay卷积求导法(Savitzky-Golay derivative,S-G)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变量变换(standard normal variate transformation,SNV)、归一化法5种方法分别对全波段和特征波段光谱进行预处理,采用光谱-理化值共生距离算法(sample set partitioning based on joint x-y distance,SPXY)、K-S法(Kennard-stone,K-S)、双向算法(Duplex)、交叉验证法、随机法将样本划分为校正集和验证集。最后用极限学习机(extreme learning machine,ELM)、支持向量机(support vector machine,SVM)、偏最小二乘法(partial least squares,PLS)、K最邻近法(K-nearest neighbor,KNN)、贝叶斯判别法建立不同的分类判别模型,比较各模型的识别率。结果表明,对小白杏成熟度定性判别模型,有以下最优组合:全波段+MSC+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN、全波段+S-G/MSC/归一化/SNV+随机法+贝叶斯、全波段+S-G+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN、全波段+归一化+SPXY/Duplex/K-S/交叉验证/随机法+PLS、特征波段+MSC+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN/贝叶斯、特征波段+归一化+SPXY/Duplex/K-S/交叉验证/随机法+PLS。
目前,设施园艺营养液多采用先配后用的模式,成本高、效率低,同时温室内环境对作物生长至关重要。为此,设计了一套智能温室水肥一体化装备,该装备由灌溉管路、配肥装置、环境监测与调节系统和控制系统组成,可以实现水肥的按需动态混合、栽培环境实时监控与控制等功能。配肥装置采用蠕动泵与文丘里吸肥器的组合设计,并在主管道安装静态混合器,有效提高配肥速度与精度,达到了营养液现用现配、及时混合的目的;且设计有环境监测与调节系统,以维持温室内环境的稳定。控制系统软件基于Microsoft Foundation Classes (MFC)面向对象开发,设计有简洁明了的人机交互界面以及功能分区。试验验证表明:蠕动泵与文丘里的组合可以有效提高吸肥精度,温室内环境监测调节系统能够维持温室内环境稳定,控制软件系统稳定,人机交互便捷,装备整体运行稳定,可以实现目标功能,为水肥一体化灌溉系统的设计提供了新的思路和技术支撑。
暂无评论