原创力文档- 1、本文档共48页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于深度学习的梨树养分含量高光谱监测
目录
一、内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
本文的主要工作和结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
二、理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
深度学习简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.1深度学习的基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
1.2常用的深度学习框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
高光谱成像技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
2.1高光谱成像原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
2.2高光谱数据特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
植物营养学基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
3.1植物所需主要养分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
3.2养分缺乏症状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
三、梨树养分含量监测方法综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
传统监测方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
1.1土壤取样分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
1.2叶片养分测定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
高光谱监测的优势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
2.1快速无损检测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
2.2数据丰富性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
四、基于深度学习的高光谱数据分析．．．．．．．．．．．．．．．．．．．．．．．．．．23
数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
1.1校正与标准化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
1.2特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
2.1卷积神经网络(CNN)．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.2循环神经网络(RNN)．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
模型训练与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
3.1训练集与测试集划分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
3.2超参数调整．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
性能评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
4.1准确率指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36
4.2可视化结果．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
五、实验设计与实现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
实验材料与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
1.1梨树样本选取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
1.2高光谱数据获取．．．．．．．．
文档评论（0）