• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于近紅外光譜與雙權重競爭特征搜索策略的橡膠樹葉片氮素檢測

    2024-11-07 00:00:00胡鵬飛唐榮年胡文鋒李創(chuàng)
    江蘇農(nóng)業(yè)科學 2024年18期

    摘要:本研究旨在解決傳統(tǒng)近紅外光譜分析在橡膠樹葉片氮含量(LNC)檢測中模型精度和穩(wěn)定性的局限。通過對180張橡膠樹葉片進行定量分析,提出了一種改進的重加權采樣算法,即雙權重競爭性自適應重加權采樣(DWCARS)。該方法綜合運用回歸系數(shù)和變量投影重要性(VIP)2種權重評價標準,并通過競爭性機制優(yōu)化特征選擇。比較分析結(jié)果表明,與傳統(tǒng)CARS和差分進化(DE)等方法相比,DWCARS能夠提取出更少且預測精度更高的波長變量。在測試集上,DWCARS模型展現(xiàn)了顯著性能優(yōu)勢,其決定系數(shù)(R2P)為0.936 7,均方根誤差(RMSEP)為0.121 5,相比于CARS算法建立的預測模型RMSEP值降低了21.66%。表明DWCARS算法在提高橡膠樹葉片氮含量檢測的準確性和穩(wěn)定性方面表現(xiàn)卓越,適用于精確監(jiān)測橡膠樹生長階段的氮素狀況。

    關鍵詞:近紅外光譜;橡膠樹;機器學習;光譜波段選擇;葉片氮含量;DWCARS

    中圖分類號:S127 文獻標志碼:A

    文章編號:1002-1302(2024)18-0222-10

    收稿日期:2023-09-20

    基金項目:海南省自然科學基金創(chuàng)新研究團隊項目(編號:320CXTD431);國家自然科學基金(編號:32060413);海南省重點研發(fā)計劃(編號:ZDYF2022GXJS008);海南省自然科學基金高層次人才項目(編號:321RC468)。

    作者簡介:胡鵬飛(1996—),男,山東濰坊人,碩士研究生,主要從事植物養(yǎng)分無損檢測研究。E-mail:hpf@hainanu.edu.cn。

    通信作者:李 創(chuàng),博士,教授,博士生導師,主要從事高光譜遙感技術研究。E-mail:lc@hainanu.edu.cn。

    天然橡膠是一種重要的生物聚合物,在國民經(jīng)濟和社會發(fā)展中發(fā)揮重要作用。隨著全球?qū)μ烊幌鹉z需求的增長,實時監(jiān)測橡膠樹的養(yǎng)分信息已成為植膠區(qū)管理的迫切需求[1。葉片氮含量(LNC)作為橡膠樹養(yǎng)分豐缺情況的敏感指標,通過實時監(jiān)測橡膠樹葉片氮含量,可有效獲取橡膠樹的生長信息[2。因此,建立一種高效準確的橡膠樹葉片氮含量檢測模型意義重大。

    傳統(tǒng)的葉氮含量檢測方法如凱氏定氮法,由于復雜的化學試劑和繁瑣的操作過程,無法滿足養(yǎng)分實時監(jiān)測的需求[3。近紅外光譜技術因其快速、無損且低成本的特點已在葉片養(yǎng)分含量的檢測中廣泛應用4。Li等采用偏最小二乘回歸模型對濕地松葉片氮含量進行定量分析,選擇了與植物組織中氮含量高度相關的5個波段范圍[5;Liu等通過多種光譜預處理方法相結(jié)合,有效消除了光譜數(shù)據(jù)中的噪聲,得到了針對不同干旱脅迫條件下的香椿葉片氮含量估測模型[6。然而,隨著現(xiàn)代光譜儀器的進步,測量數(shù)據(jù)量大大提高且具有較高的共線性7。因此,在波長變量與響應濃度之間建立可解釋關系,成為提高光譜檢測模型性能的關鍵任務8。

    競爭自適應重加權采樣(CARS)算法作為一種高效的特征波段選擇方法,表現(xiàn)出出色的全局搜索能力,相較于傳統(tǒng)的光譜區(qū)間選擇算法而言更具優(yōu)勢[9。在Zhang等的研究中,通過將CARS與隨機森林(RF)算法結(jié)合,有效地確定了番茄可溶性固形物含量的有效波長,結(jié)果表明CARS算法所選波段在性能方面表現(xiàn)最佳且特征數(shù)量較少[10。然而,CARS算法采用一種競爭性機制來選擇和更新模型的權重參數(shù),此機制受到模型中蒙特卡洛采樣(MCS)和自適應重加權(ARS)2個隨機因素的影響[11,導致不同特征組合在不同迭代中獲勝,可能導致在變量剔除中丟失重要波段12。因此,為了構(gòu)建更加穩(wěn)定且具有更高精度的檢測模型,需要采用更為有效的特征變量選擇策略。

    隨著特征變量選擇方法的不斷發(fā)展,出現(xiàn)了多種用于測定變量重要性的標準,包括回歸系數(shù)、變量投影重要性以及選擇性比(SR)參數(shù)等。由于不同參數(shù)對于變量的解釋能力各不相同,因此單一評價標準在解釋多特征數(shù)據(jù)方面存在一定局限性[13。因此,本研究提出雙權重競爭性自適應重加權采樣(DWCARS)算法,在同一輪蒙特卡洛采樣中引入了2種權重進行波段重要性評價。通過自適應重加權的競爭機制,充分利用這2種權重指標對變量的解釋能力,實現(xiàn)了特征波長的有效選擇。

    本研究探討了近紅外光譜分析技術與化學計量學方法的結(jié)合,以實現(xiàn)對橡膠樹葉片氮含量的快速檢測。通過引入DWCARS算法來選擇葉片氮素的特征波長,成功地解決了波段選擇過程中的冗余波長問題。本研究旨在獲取與LNC高度相關的近紅外光(NIR)特征波長,并建立高效、準確的橡膠樹LNC快速檢測模型。

    1 材料與方法

    1.1 研究區(qū)概況與樣本采集

    本試驗所使用的葉片樣本,于2022年4月在海南省儋州市(109.20°~109.70°E,19.40°~19.65°N)的橡膠林試驗田內(nèi)采集,采樣區(qū)域如圖1所示。儋州市屬海洋性熱帶季風氣候,雨熱資源豐富。年平均降水量1 828.7 mm,年平均氣溫23.8 ℃。供試材料為中國熱帶農(nóng)業(yè)科學院選育的巴西橡膠優(yōu)良品種熱研7-33-97的葉片。隨機采集了200份成熟、健康、完整的橡膠樹冠層葉片,并進行密封低溫保存,以備后續(xù)的光譜數(shù)據(jù)采集和理化分析。

    1.2 光譜數(shù)據(jù)采集和葉片氮含量分析

    1.2.1 光譜數(shù)據(jù)采集與數(shù)據(jù)預處理

    使用GaiaField-F-N17E高光譜成像儀對葉片樣本進行圖像采集掃描,波段范圍為942~1 701 nm。經(jīng)清潔處理后,將樣本放在光譜儀的傳送帶上,通過光譜相機捕獲樣本的反射光,得到一維影像和光譜信息。傳送帶帶動樣本進行線掃描,最終計算機軟件記錄到掃描行程中包括葉片區(qū)域和非葉片區(qū)域內(nèi)所有物體的高光譜圖像。在室內(nèi)溫度和濕度穩(wěn)定的條件下,取3次掃描的平均值作為樣本的原始光譜。原始光譜的采樣點之間的距離平均為3.3 nm,共有224個波長變量。

    選取原始光譜圖像中的葉片區(qū)域作為感興趣區(qū)域,計算葉片區(qū)域光譜數(shù)據(jù)的平均值,獲得平均光譜。為了去除噪聲和增強光譜信息,采用了3種預處理方法:多元散射校正(MSC)、去趨勢(DT)和一階導數(shù)變換(D1),同時對它們在模型預測中的提升效果進行分析和對比。經(jīng)預處理后的光譜曲線如圖2所示。

    1.2.2 異常數(shù)據(jù)剔除

    為減少人為誤差或儀器誤差對模型性能的影響,采用主成分分析(PCA)結(jié)合馬氏距離(MD)的方法(PCA-MD),以剔除可能對模型產(chǎn)生強影響的極端樣本或異常樣本。由PCA方法得到光譜的主成分和得分,使用得分數(shù)據(jù)代替原始數(shù)據(jù)計算馬氏距離,以反映全譜數(shù)據(jù)信息并壓縮計算中涉及的變量數(shù),同時保證M矩陣不存在共線性問題[14。其中樣品到平均光譜的馬氏距離為:

    Di=(Ti-T)M-1(Ti-T)′。(1)

    式中:Di為校正樣品i的馬氏距離;Ti為校正樣品i的光譜得分;T為n個樣品的平均光譜;M為校正樣品光譜的馬氏矩陣。

    根據(jù)馬氏距離的結(jié)果圖進行顏色編碼,可以得到葉片光譜數(shù)據(jù)的2個主成分的馬氏距離分布圖(圖3)。在該分布中,距離分布中心D閾值范圍內(nèi)的樣品被認為與樣品平均光譜相似。Di-Dt值越小則有越高的相似度,反之則可能為異常樣本。根據(jù)分布情況,從180個原始樣本中剔除了18個異常樣本,最終得到162個葉片光譜數(shù)據(jù)。

    1.2.3 葉片氮含量理化分析

    凱氏定氮法是用于葉片全氮含量測定的常規(guī)方法,具有較高的準確度。本研究采用凱氏定氮法對橡膠樹葉片中氮元素含量進行檢測。在完成葉片光譜數(shù)據(jù)采集后,對樣本立即進行烘干研磨,并置于定氮瓶中進行分析測試,最終測得的葉片樣本氮元素含量介于2.1%~4.7%之間,呈正態(tài)分布。

    1.3 特征波長選擇策略

    1.3.1 基于PLS回歸系數(shù)與變量投影重要性的變量評價

    偏最小二乘回歸(PLSR)是應對近紅外光譜中多特征少樣本數(shù)據(jù)問題的常見建模方法。PLSR從輸入特征X和標簽值Y中同時提取主成分信息,由此產(chǎn)生了多個變量評價指標,包括回歸系數(shù)、變量投影重要性、選擇性比等?;貧w系數(shù)向量β的計算公式如下:

    β=w(qTq)-1qTtyT。(2)

    式中:q為載荷矩陣;t為潛在變量矩陣;y為響應變量矩陣;w為權重矩陣。

    回歸系數(shù)向量是模型中所有分解得到的潛在變量的函數(shù),它反映了每個自變量Xi對因變量的貢獻,較大的回歸系數(shù)表示相關主成分對因變量有更大的貢獻15。

    變量投影重要性VIP得分由以下公式計算:

    VIPj=m∑hk=1q2ktTkt3DHNr42ui+Fbhz05ZBDtPw==kwjk‖wjk2∑hk=1qtktTktk。(3)

    式中:j代表波長變量的索引;m表示波長變量的總數(shù);h為PLS的最佳主因子數(shù)量。

    VIP得分綜合考慮了光譜對構(gòu)建PLS得分的貢獻和PLS得分對濃度變量的解釋能力,代表了波長變量在模型擬合中的重要性[16

    通過分析各個波段的得分矩陣、載荷矩陣等信息,可以計算出波段的回歸系數(shù)VIP得分。圖4展示了光譜各個波段對應的回歸系數(shù)和VIP得分。本研究基于競爭性重加權采樣策略,對回歸系數(shù)與變量投影重要性2種用于解釋變量重要性的指標進行比較,并提出了雙權重競爭的變量選擇方法。

    1.3.2 單權重競爭性自適應重加權采樣(VIP-CARS)方法

    盡管CARS默認使用回歸系數(shù)作為變量重要性的評價指標,但本研究引入了一種新的波長選擇方法,即VIP-CARS方法。該方法將單一權重的回歸系數(shù)替換為單一權重的變量投影重要性得分,用于波長選擇的試驗研究。

    1.3.3 雙權重競爭自適應重加權采樣

    本研究提出了一種基于雙權重競爭的自適應重加權采樣方法,用于特征波段選擇。DWCARS的核心思想是每輪蒙特卡洛采樣中,通過同時考慮回歸系數(shù)與VIP得分2個權重,分別對波段變量進行重要性評估,并生成2個不同的權重排序。然后,利用指數(shù)衰減函數(shù)和自適應重加權采樣,對這2個不同的排序進行變量選擇,最終得到2個不同的波段子集,并進行對比選擇最佳結(jié)果。具體流程如下。

    (1)計算2個權重。首先,確定蒙特卡洛采樣法的采樣次數(shù)N。每次采樣隨機選擇一定比例的樣本進行PLS建模,記錄每次采樣過程中PLS模型的回歸系數(shù)向量b和VIP得分向量v,并進行權重計算。其中,回歸系數(shù)權重wbi和VIP得分權重wvi的計算公式如下:

    wbi=|bi|∑pi=1|bi|;(4)

    wvi=vi∑pi=1vi。(5)

    式中:p表示第i次采樣后剩余的特征波段個數(shù)。

    (2)指數(shù)衰減去除波長。通過指數(shù)衰減函數(shù)(EDF),去除回歸系數(shù)絕對值權重相對較小的波長,并根據(jù)EDF計算得到保留的波長數(shù)量的比例。

    (3)自適應加權采樣。每次采樣時,采用自適應加權采樣策略,分別使用回歸系數(shù)權重wbi和VIP得分權重wvi,從上一次采樣選擇出的特征波段集合中選擇2個數(shù)量相等的波長變量子集。然后,分別使用這2個變量子集進行PLS建模,并計算對應的交叉驗證均方根誤差(RMSECV),分別記為RMSECVb和RMSECVv。

    (4)選擇最佳子集。比較RMSECVb和RMSECVv的大小。若RMSECVb<RMSECVv,則將RMSECVb對應的波段子集作為本輪的最佳變量子集。反之,若RMSECVb>RMSECVv,則將RMSECVv對應的波段子集作為本輪最佳變量。通過二者比較,得到本輪最終最佳子集Vnew和誤差RMSECV。

    (5)選擇最終結(jié)果。在N次采樣結(jié)束后,得到N個變量子集和對應的N個RMSECV。選擇RMSECV最小值所對應的特征波段子集作為最終的結(jié)果。

    DWCARS方法通過引入VIP得分作為額外權重,增加了回歸系數(shù)與VIP得分之間的競爭機制,從而更全面地考慮了波段的重要性。詳細的算法流程見圖5。

    2 結(jié)果與分析

    2.1 數(shù)據(jù)集劃分

    在建立光譜數(shù)據(jù)和葉片氮含量建模之前,將162個樣本按3∶1的比例劃分為訓練集(121個樣本)和測試集(41個樣本)。表1呈現(xiàn)了橡膠樹葉片氮含量的訓練集和測試集統(tǒng)計信息,其中訓練集和測試集的氮含量標準差分別為0.415%和0.483%,變異系數(shù)分別為12.97%和14.55%。表1中的數(shù)據(jù)表明,訓練集和測試集的樣本分布相對均勻,因此,這種樣品劃分方法適合光譜分析,可用于建立橡膠樹葉片氮含量回歸校正模型。

    2.2 光譜預處理結(jié)果分析

    應用PCA-MD方法剔除異常樣本后,模型精度明顯提高。從表2可以看出,DT方法預處理后的光譜模型精度較低,可能因為DT方法增強光譜數(shù)據(jù)的同時也干擾了與氮素相關的重要信息。相比其他的預處理方法,MSC處理后的光譜模型效果最佳,表現(xiàn)為R2P=0.696 3,RMSEP=0.260 5。這表明MSC預處理方法有效地減少了原始光譜中儀器基線漂移、散射和信號噪聲等干擾信息。因此,在后續(xù)的數(shù)據(jù)分析中,采用經(jīng)過MSC預處理的光譜數(shù)據(jù)。

    2.3 特征波段選擇

    2.3.1 CARS與VIP-CARS波段選擇

    圖6展示了CARS算法和VIP-CARS算法進行波長選擇的迭代過程。圖6-a1顯示了在100次蒙特卡洛采樣中,采樣變量數(shù)量的變化。圖6-a2呈現(xiàn)了RMSECV值的演變,圖6-a3展示了每個變量的系數(shù)或得分的變化情況。從圖6-a1和圖6-b1可以看出,由于采用相同的遞減函數(shù),二者以相同的遞減速度減少波段數(shù)量。在圖6-b3中,某些波段在迭代過程中VIP得分權重始終高于其他波段。且圖6-b3中垂直紅線標記的具有最低RMSECV值的最佳子集,當RMSECV值出現(xiàn)下降變化時,部分變量的VIP得分同時出現(xiàn)躍升的情況,該現(xiàn)象證實了關鍵變量的存在。對比圖6-a2和6-b2可以看出,盡管VIP-CARS更早達到最低RMSECV位置,但整體而言,CARS算法的最低RMSECV值更小一些,說明回歸系數(shù)權重相對于VIP得分效果更好。

    2.3.2 DWCARS特征波段選擇

    使用DWCARS算法選取葉片氮素含量的特征波長時,每輪迭代中利用PLS模型得到的回歸系數(shù)與VIP得分的2個權重排序。然后,通過自適應重加權采樣選擇2個不同的變量子集,并以交叉驗證均方差(RMSECV)作為評價指標來競爭選取最優(yōu)子集。圖7為DWCARS算法的迭代過程圖,從圖7-c中可以看出,在達到最佳變量子集的迭代次數(shù)之前,VIP得分在與回歸系數(shù)的競爭中有7次占優(yōu)。圖8顯示了CARS算法和DWCARS算法在經(jīng)過100次蒙特卡洛采樣過程中RMSECV的變化。如圖8所示,CARS算法的RMSECV值隨著采樣次數(shù)的增加而交替增大和減小,而DWCARS算法則因為引入了同輪迭代之間的競爭機制,導致RMSECV值在迭代到30次左右時連續(xù)下降,進一步降低了RMSECV值,相較于CARS算法表現(xiàn)更佳。

    鑒于DWCARS算法的最佳RMSECV位置較CARS算法靠后,本研究將采樣次數(shù)調(diào)整為200次以考慮其影響。圖9展示了200次采樣的RMSECV變化,結(jié)果與100次采樣情況基本一致,DWCARS算法的最佳迭代次數(shù)出現(xiàn)在CARS算法靠后的位置,表明DWCARS在減少特征波段數(shù)量方面表現(xiàn)更佳,同時剔除了冗余信息。

    另外,針對不同的采樣次數(shù)(N分別為50、100、200和500)進行了50次DWCARS重復運行并記錄RMSECV值,統(tǒng)計箱線圖。結(jié)果(圖10)顯示,除了在采樣次數(shù)過低時出現(xiàn)較大偏差值外,增加采樣次數(shù)對DWCARS性能影響不大。因此,本研究在建模分析中默認采用100次采樣。

    2.4 建模結(jié)果分析

    為了評估SACARS算法的建模性能,引入差分進化(DE)算法進行對比。分別使用全波長(用FULL表示)以及CARS、VIP-CARS、DWCARS、DE算法選擇特征波長,建立了橡膠樹葉片中氮含量的不同定量分析模型。圖11顯示了全波段光譜和不同波段選擇算法建立的預測模型之間的對比。其中,通過DWCARS進行特征選擇的預測模型表現(xiàn)最佳。從表3中的評價指標可以得知,使用MSC預處理的DWCARS模型的RMSEP和R2P分別為0.121 5和0.936 7。這些R2和RMSE值表明DWCAR模型在定量檢測葉片氮含量方面具有出色的預測能力,模型的預測值與實測值大致呈對角線分布,真值線與擬合線基本重合,預測集的回歸性能充分體現(xiàn)了模型的穩(wěn)健性。相比于分別使用CARS、VIP-CARS和DE算法建立模型,使用DWCARS模型能夠明顯提升模型的評價指標。綜上所述,基于MSC預處理的DWCARS算法進行波段選擇的預測模型是橡膠樹葉片氮含量預測的最佳模型。

    2.5 變量篩選結(jié)果

    不同的算法會影響波段的篩選位置和數(shù)量,較少的特征波段數(shù)量有助于減少冗余信息[17。在橡膠樹葉片光譜數(shù)據(jù)上,使用MSC預處理的CARS、VIP-CARS、DWCARS和DE算法篩選出來的變量個數(shù)分別為56、94、20和105。

    圖12直觀地展示了不同的變量選擇方法在橡膠樹葉片光譜數(shù)據(jù)中所選波段在全譜范圍的分布??梢杂^察到,VIP-CARS算法選出的波段分布最集中,主要在1 270~1 440、1 570~1 700 nm范圍內(nèi),CARS和DE算法選擇出的波段則在整個譜段中分布相對均勻。其中,DWCARS算法選擇的特征波長數(shù)量最少,主要集中在1 330~1 380、1 470~1 520 nm區(qū)域,這2個區(qū)域?qū)诠庾V數(shù)據(jù)中明顯的吸收峰。

    通過分析所選的特征波長,可以得出CARS、VIP-CARS和DWCARS所選擇的波長范圍相對一致,但DWCARS選擇的特征波段中剔除了大部分相關性較低的波段。

    3 討論

    本研究DWCARS波段選擇方法具有以下特點:首先,通過引入VIP得分權重,有效提高了對變量的解釋能力并減少了特征波長的冗余信息。其次,將2種權重整合到每一輪蒙特卡洛迭代中進行競爭,充分發(fā)揮了不同變量評價系數(shù)的特性,使其避免了算法陷入局部最優(yōu)。

    通過與其他變量選擇方法的比較,DWCARS在選擇與LNC密切相關的特征波段方面表現(xiàn)最佳。相比之下,DE算法的回歸精度較低且計算時間成本較高。因為DE進化算法的選擇過程沒有考慮變量的重要性信息,導致搜索效率下降[18。VIP-CARS模型精度略低于CARS模型,za7WKEaqno2scoXs9gb8mxVVGbixHTzBfaFpP5ds/Os=可能因VIP得分過于突出高重要性特征波段,沒有很好地區(qū)分權重相對中等的波長,從而在剔除波長時損失了關鍵特征。

    CARS選擇了56個特征波長,占全部變量的25.0%。DWCARS選擇了20個特征波長,占全部變量的8.9%,RMSEP值較CARS降低了21.66%,其評價指標均好于其他模型,這表明DWCARS算法能夠有效提取關鍵特征,去除冗余信息,建立了魯棒性和可擴展性的模型。特別是,DWCARS算法僅使用20個特征波長構(gòu)建了氮含量的高性能檢測模型,少量具有高相關性的特征波長更有利于集成到在線檢測設備中,并可用于連續(xù)校準回歸模型[19。

    盡管DWCARS算法模型表現(xiàn)出良好的性能,仍有約13%的LNC變異未能被解釋,可能因訓練數(shù)據(jù)的非均質(zhì)性和數(shù)據(jù)采集環(huán)境因素影響了模型性能。未來的研究需要開發(fā)化學計量學方法,提高模型的質(zhì)量和穩(wěn)定性,以實現(xiàn)快速檢測。

    4 結(jié)論

    本研究旨在快速檢測橡膠樹葉片中的氮含量,采用了近紅外光譜結(jié)合化學計量學方法。為提高模型精度,采用多種特征波長選擇方法,其中DWCARS模型表現(xiàn)最佳,R2P值為0.936 7,RMSEP值為0.121 5。DWCARS綜合了回歸系數(shù)與VIP得分的權重,充分利用了重加權競爭機制,有效解決了特征選擇中的冗余信息問題。該研究為在線監(jiān)測橡膠樹葉片氮含量提供了理論支持,為實際應用提供了有效方法。

    參考文獻:

    [1] Warren-Thomas E,Dolman P M,Edwards D P.Increasing demand for natural rubber necessitates a robust sustainability initiative to mitigate impacts on tropical biodiversity[J]. Conservation Letters,2015,8(4):230-241.

    [2]黎 舟,楊思林,劉云根,等. 基于微分變換的濕地植物高光譜全氮反演[J]. 環(huán)境科學研究,2022,35(5):1268-1276.

    [3]Ali M M,Al-Ani A,Eamus D,et al. Leaf nitrogen determination using non-destructive techniques:a review[J]. Journal of Plant Nutrition,2017,40(7):928-953.

    [4]馮 鎮(zhèn),劉 馨,張 震,等. 基于近紅外光譜技術對小麥中毒死蜱農(nóng)藥殘留測定方法的研究[J]. 食品工業(yè)科技,2022,43(4):271-277.

    [5]Li Y J,Sun H G,Tomasetto F,et al. Spectrometric prediction of nitrogen content in different tissues of slash pine trees[J]. Plant Phenomics,2022,2022:9892728.

    [6]Liu W J,Li Y J,Tomasetto F,et al. Non-destructive measurements of Toona sinensis chlorophyll and nitrogen content under drought stress using near infrared spectroscopy[J]. Frontiers in Plant Science,2022,12:809828.

    [7]郭 拓,梁小娟,馬晉芳,等. 基于可擴展的自表示學習波段選擇算法在近紅外光譜回歸建模中的影響研究[J]. 分析測試學報,2022,41(8):1214-1220.

    [8]Yun Y H,Li H D,Deng B C,et al. An overview of variable selection methods in multivariate analysis of near-infrared spectra[J]. TrAC Trends in Analytical Chemistry,2019,113:102-115.

    [9]Wu X H,Zeng S P,F(xiàn)u H J,et al. Determination of corn protein content using near-infrared spectroscopy combined with A-CARS-PLS[J]. Food Chemistry:X,2023,18:100666.

    [10] ZhangD Y,Yang Y,Chen G,et al. Nondestructive evaluation of soluble solids content in tomato with different stage by using Vis/NIR technology and multivariate algorithms[J]. Spectrochimica Acta(Part A:Molecular and Biomolecular Spectroscopy),2021,248:119139.

    [11]王偲晗,萬幼川,王明威,等. 改進蟻群算法及其在高光譜影像分類中的研究[J]. 計算機工程與應用,2018,54(1):196-203.

    [12]Bin J,Ai F F,F(xiàn)an W,et al. An efficient variable selection method based on variable permutation and model population analysis for multivariate calibration of NIR spectra[J]. Chemometrics and Intelligent Laboratory Systems,2016,158:1-13.

    [13]Zhang J,Cui X Y,Cai W S,et al. A variable importance criterion for variable selection in near-infrared spectral analysis[J]. Science China Chemistry,2019,62(2):271-279.

    [14]劉翠玲,胡玉君,吳勝男,等. 近紅外光譜奇異樣本剔除方法研究[J]. 食品科學技術學報,2014,32(5):74-79.

    [15]Huang X,Xia L. Improved kernel PLS combined with wavelength variable importance for near infrared spectral analysis[J]. Chemometrics and Intelligent Laboratory Systems,2017,168:107-113.

    [16]Wang Z Z,Wu Q Y,Kamruzzaman M. Portable NIR spectroscopy and PLS based variable selection for adulteration detection in quinoa flour[J]. Food Control,2022,138:108970.

    [17]Kumar B,Dikshit O,Gupta A,et al. Feature extraction for hyperspectral image classification:a review[J]. International Journal of Remote Sensing,2020,41(16):6248-6287.

    [18]Liang L,Wei L L,F(xiàn)ang G G,et al. Prediction of holocellulose and lignin content of pulp wood feedstock using near infrared spectroscopy and variable selection[J]. Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2020,225:117515.

    [19]Bruning B,Liu H J,Brien C,et al. The development of hyperspectral distribution maps to predict the content and distribution of nitrogen and water in wheat (Triticum aestivum)[J]. Frontiers in Plant Science,2019,10:1380.

    日本一二三区视频观看| 亚洲成av人片在线播放无| 天堂网av新在线| 又爽又黄无遮挡网站| 日韩欧美在线二视频| 国产探花在线观看一区二区| 熟女少妇亚洲综合色aaa.| 中国美女看黄片| 亚洲狠狠婷婷综合久久图片| 99精品欧美一区二区三区四区| 国产一区二区在线观看日韩 | 婷婷亚洲欧美| 国产伦在线观看视频一区| 99精品在免费线老司机午夜| 制服人妻中文乱码| 三级毛片av免费| 亚洲av免费高清在线观看| 99国产精品一区二区蜜桃av| 日韩欧美免费精品| 有码 亚洲区| 88av欧美| 国产一区在线观看成人免费| 国产午夜精品久久久久久一区二区三区 | 久久久久精品国产欧美久久久| 操出白浆在线播放| 在线观看午夜福利视频| 午夜亚洲福利在线播放| 偷拍熟女少妇极品色| 国产亚洲欧美在线一区二区| 女生性感内裤真人,穿戴方法视频| 中文字幕人成人乱码亚洲影| 久久精品国产自在天天线| 亚洲精品色激情综合| 国产一区二区在线av高清观看| 床上黄色一级片| 美女高潮喷水抽搐中文字幕| 美女黄网站色视频| 久久精品国产清高在天天线| 精品国产三级普通话版| 午夜a级毛片| 3wmmmm亚洲av在线观看| 精品久久久久久,| 国内精品美女久久久久久| 全区人妻精品视频| 三级男女做爰猛烈吃奶摸视频| 手机成人av网站| 国产毛片a区久久久久| 99久久九九国产精品国产免费| 欧美三级亚洲精品| 午夜免费成人在线视频| 热99在线观看视频| 19禁男女啪啪无遮挡网站| 亚洲性夜色夜夜综合| 欧美在线一区亚洲| 国产真实乱freesex| 免费看日本二区| 非洲黑人性xxxx精品又粗又长| www.www免费av| 午夜福利在线观看吧| 欧美成人a在线观看| 狠狠狠狠99中文字幕| 超碰av人人做人人爽久久 | 琪琪午夜伦伦电影理论片6080| 免费高清视频大片| 日本精品一区二区三区蜜桃| 天堂动漫精品| 十八禁网站免费在线| 国产伦精品一区二区三区视频9 | 在线视频色国产色| 男女午夜视频在线观看| 在线视频色国产色| 欧美av亚洲av综合av国产av| 午夜福利18| 色在线成人网| ponron亚洲| 老熟妇仑乱视频hdxx| 日韩免费av在线播放| 一进一出抽搐gif免费好疼| 两个人的视频大全免费| 一区二区三区高清视频在线| 每晚都被弄得嗷嗷叫到高潮| 又紧又爽又黄一区二区| av福利片在线观看| 日本成人三级电影网站| av天堂中文字幕网| 九九在线视频观看精品| 一区二区三区激情视频| 婷婷精品国产亚洲av| 黄色日韩在线| 欧美日韩综合久久久久久 | 亚洲中文日韩欧美视频| 欧美最黄视频在线播放免费| 可以在线观看毛片的网站| 日日夜夜操网爽| 看黄色毛片网站| 精品久久久久久久人妻蜜臀av| 国产亚洲精品综合一区在线观看| 亚洲欧美激情综合另类| 老司机午夜十八禁免费视频| 久久久久性生活片| 在线看三级毛片| 国产亚洲欧美98| 亚洲精品456在线播放app | 国产高清三级在线| 桃色一区二区三区在线观看| 午夜福利在线观看吧| 最近最新中文字幕大全免费视频| 99国产综合亚洲精品| 亚洲av第一区精品v没综合| 久久天躁狠狠躁夜夜2o2o| 一本一本综合久久| 午夜福利在线观看吧| 狠狠狠狠99中文字幕| 亚洲欧美一区二区三区黑人| 51午夜福利影视在线观看| 一个人免费在线观看的高清视频| 欧美日韩乱码在线| 制服丝袜大香蕉在线| 亚洲黑人精品在线| 免费人成视频x8x8入口观看| 听说在线观看完整版免费高清| 哪里可以看免费的av片| 欧美另类亚洲清纯唯美| 国产精品电影一区二区三区| 无限看片的www在线观看| 欧美激情久久久久久爽电影| 国产精品98久久久久久宅男小说| 日本黄色视频三级网站网址| 日韩免费av在线播放| 亚洲国产精品999在线| 国产高清激情床上av| 免费高清视频大片| 亚洲五月天丁香| 三级毛片av免费| 欧美一级毛片孕妇| 最新美女视频免费是黄的| 国产精品影院久久| 熟妇人妻久久中文字幕3abv| 9191精品国产免费久久| 国产免费一级a男人的天堂| 神马国产精品三级电影在线观看| 一个人免费在线观看的高清视频| 美女高潮的动态| 欧美日本视频| 草草在线视频免费看| 两个人视频免费观看高清| 婷婷丁香在线五月| 一区二区三区激情视频| 国产精品久久久人人做人人爽| 亚洲五月婷婷丁香| 中文资源天堂在线| 他把我摸到了高潮在线观看| 亚洲av免费高清在线观看| 国产激情欧美一区二区| 日韩 欧美 亚洲 中文字幕| 午夜福利在线观看吧| 亚洲在线自拍视频| 神马国产精品三级电影在线观看| 女人十人毛片免费观看3o分钟| 欧美黄色淫秽网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲片人在线观看| 国产成人aa在线观看| 国产精品99久久久久久久久| 亚洲av免费在线观看| 成人性生交大片免费视频hd| 99久久99久久久精品蜜桃| 亚洲成人中文字幕在线播放| 国模一区二区三区四区视频| 久久精品国产综合久久久| 亚洲国产精品sss在线观看| 免费人成视频x8x8入口观看| 夜夜躁狠狠躁天天躁| 欧美又色又爽又黄视频| 免费人成视频x8x8入口观看| 99久久精品一区二区三区| 国产午夜精品久久久久久一区二区三区 | 草草在线视频免费看| 午夜免费激情av| 久久国产精品人妻蜜桃| 日韩成人在线观看一区二区三区| 毛片女人毛片| 国产精品99久久久久久久久| 日韩欧美三级三区| 国产v大片淫在线免费观看| 国产精品亚洲一级av第二区| 偷拍熟女少妇极品色| 欧洲精品卡2卡3卡4卡5卡区| 日本免费一区二区三区高清不卡| 国产精品 国内视频| 免费观看精品视频网站| 男人舔女人下体高潮全视频| 一级作爱视频免费观看| 少妇熟女aⅴ在线视频| www.色视频.com| 亚洲av免费高清在线观看| 91九色精品人成在线观看| 亚洲美女视频黄频| 99国产综合亚洲精品| 19禁男女啪啪无遮挡网站| 99久久精品热视频| av中文乱码字幕在线| av天堂在线播放| 国产野战对白在线观看| 国产真实伦视频高清在线观看 | 1024手机看黄色片| 别揉我奶头~嗯~啊~动态视频| 久久久国产成人免费| 国产真实乱freesex| 一进一出抽搐动态| 在线播放国产精品三级| 亚洲成av人片在线播放无| 日本黄色视频三级网站网址| 18禁黄网站禁片免费观看直播| АⅤ资源中文在线天堂| 69av精品久久久久久| x7x7x7水蜜桃| 亚洲欧美日韩高清在线视频| 白带黄色成豆腐渣| 国产男靠女视频免费网站| 国产高清视频在线观看网站| 老鸭窝网址在线观看| 国产97色在线日韩免费| 国产精品电影一区二区三区| 日本成人三级电影网站| 午夜福利18| 国产一区二区亚洲精品在线观看| 高清毛片免费观看视频网站| 蜜桃亚洲精品一区二区三区| 精品国产三级普通话版| 乱人视频在线观看| av女优亚洲男人天堂| av黄色大香蕉| 色老头精品视频在线观看| 亚洲av成人不卡在线观看播放网| 岛国视频午夜一区免费看| 亚洲国产精品成人综合色| e午夜精品久久久久久久| 欧美一级a爱片免费观看看| 免费看光身美女| 久久久久久人人人人人| 黄片小视频在线播放| 免费搜索国产男女视频| 国产精品亚洲av一区麻豆| 国产激情偷乱视频一区二区| 熟女电影av网| 久久婷婷人人爽人人干人人爱| 最近视频中文字幕2019在线8| 99在线视频只有这里精品首页| 欧美国产日韩亚洲一区| 又黄又爽又免费观看的视频| 国产三级在线视频| 九九热线精品视视频播放| 男人和女人高潮做爰伦理| 国产av一区在线观看免费| 757午夜福利合集在线观看| 亚洲精品一区av在线观看| 国产一区二区在线av高清观看| 嫁个100分男人电影在线观看| 蜜桃久久精品国产亚洲av| 一个人看视频在线观看www免费 | bbb黄色大片| 国产成人av激情在线播放| 又紧又爽又黄一区二区| 日本 av在线| 女人十人毛片免费观看3o分钟| 成年免费大片在线观看| 日韩欧美在线乱码| 91字幕亚洲| 亚洲内射少妇av| 亚洲欧美日韩高清专用| 国产综合懂色| 国产视频一区二区在线看| 少妇丰满av| 久久6这里有精品| 亚洲第一欧美日韩一区二区三区| 亚洲国产日韩欧美精品在线观看 | 亚洲人与动物交配视频| 欧美最黄视频在线播放免费| 亚洲中文字幕一区二区三区有码在线看| 精品国产美女av久久久久小说| 男女视频在线观看网站免费| 蜜桃亚洲精品一区二区三区| 特级一级黄色大片| 无遮挡黄片免费观看| 欧美性感艳星| 成年免费大片在线观看| 91在线观看av| 婷婷精品国产亚洲av在线| 国产一区二区激情短视频| 精品一区二区三区视频在线 | 99精品欧美一区二区三区四区| 十八禁人妻一区二区| 中文在线观看免费www的网站| 三级男女做爰猛烈吃奶摸视频| 国产高清激情床上av| 天天躁日日操中文字幕| 日本在线视频免费播放| 亚洲专区国产一区二区| 午夜福利欧美成人| 亚洲黑人精品在线| 欧美另类亚洲清纯唯美| h日本视频在线播放| 九九久久精品国产亚洲av麻豆| 欧美黑人巨大hd| 亚洲国产精品sss在线观看| 欧美日韩乱码在线| 国产v大片淫在线免费观看| 91九色精品人成在线观看| 午夜免费成人在线视频| 亚洲精品国产精品久久久不卡| 久99久视频精品免费| 日日摸夜夜添夜夜添小说| 免费在线观看影片大全网站| 国产黄a三级三级三级人| 99在线视频只有这里精品首页| 免费人成在线观看视频色| 午夜福利在线观看免费完整高清在 | 国内揄拍国产精品人妻在线| 观看美女的网站| 欧美xxxx黑人xx丫x性爽| 久久伊人香网站| av福利片在线观看| avwww免费| 嫩草影院入口| 国产又黄又爽又无遮挡在线| 亚洲 国产 在线| 久久亚洲真实| a级一级毛片免费在线观看| 在线视频色国产色| 欧美成人a在线观看| 精品国内亚洲2022精品成人| 97人妻精品一区二区三区麻豆| 国产亚洲av嫩草精品影院| 国产伦在线观看视频一区| 国产91精品成人一区二区三区| 一级黄片播放器| 一级黄色大片毛片| 亚洲av电影在线进入| 黄色丝袜av网址大全| 欧美又色又爽又黄视频| 一区二区三区免费毛片| 亚洲国产欧美网| 香蕉av资源在线| 国产视频内射| 精品国产亚洲在线| 国产黄色小视频在线观看| 淫妇啪啪啪对白视频| 国产不卡一卡二| 日韩有码中文字幕| 欧美日韩精品网址| 琪琪午夜伦伦电影理论片6080| 亚洲国产中文字幕在线视频| 亚洲专区中文字幕在线| 亚洲五月天丁香| 18+在线观看网站| 草草在线视频免费看| 亚洲欧美日韩东京热| 国产私拍福利视频在线观看| 狂野欧美白嫩少妇大欣赏| 99久久九九国产精品国产免费| 国产av不卡久久| 少妇的丰满在线观看| 国产极品精品免费视频能看的| 观看美女的网站| 天堂网av新在线| 日韩 欧美 亚洲 中文字幕| 成人av在线播放网站| 国产精品国产高清国产av| 免费高清视频大片| 99久国产av精品| 午夜福利高清视频| 欧美成人一区二区免费高清观看| 亚洲国产欧美网| 久久久成人免费电影| 日本在线视频免费播放| 国产精品一及| 免费观看精品视频网站| 欧美日韩中文字幕国产精品一区二区三区| 在线播放无遮挡| 欧美性感艳星| 亚洲国产精品合色在线| 一区二区三区免费毛片| 国产99白浆流出| 最近在线观看免费完整版| 国产高潮美女av| 一本一本综合久久| 久久精品人妻少妇| 国产69精品久久久久777片| 无遮挡黄片免费观看| www国产在线视频色| 亚洲成人中文字幕在线播放| 日本在线视频免费播放| 岛国视频午夜一区免费看| 夜夜躁狠狠躁天天躁| 国产av不卡久久| 天堂av国产一区二区熟女人妻| 九九热线精品视视频播放| 99久久精品一区二区三区| 午夜福利免费观看在线| 久久精品亚洲精品国产色婷小说| 最近视频中文字幕2019在线8| 国产伦一二天堂av在线观看| 两个人视频免费观看高清| www日本在线高清视频| 女人十人毛片免费观看3o分钟| 网址你懂的国产日韩在线| 在线观看午夜福利视频| 免费在线观看影片大全网站| x7x7x7水蜜桃| 欧美在线黄色| 中文字幕人妻熟人妻熟丝袜美 | 国产激情偷乱视频一区二区| 极品教师在线免费播放| 少妇高潮的动态图| 亚洲五月婷婷丁香| 91字幕亚洲| 成年免费大片在线观看| 在线观看一区二区三区| xxx96com| 亚洲无线在线观看| 又黄又粗又硬又大视频| 亚洲精品影视一区二区三区av| 亚洲人成网站在线播放欧美日韩| 国产真实乱freesex| 男人舔奶头视频| 欧美3d第一页| 午夜a级毛片| 亚洲天堂国产精品一区在线| 波多野结衣高清作品| 99久久精品一区二区三区| 亚洲性夜色夜夜综合| 国产精品乱码一区二三区的特点| 成人无遮挡网站| 国内精品美女久久久久久| 国产精品美女特级片免费视频播放器| 无遮挡黄片免费观看| 亚洲avbb在线观看| 深夜精品福利| 亚洲午夜理论影院| 69av精品久久久久久| 久久香蕉精品热| 国产真实乱freesex| 国产男靠女视频免费网站| 一区二区三区高清视频在线| e午夜精品久久久久久久| 中文字幕人成人乱码亚洲影| 九色国产91popny在线| 久久精品影院6| 亚洲成av人片在线播放无| 91在线精品国自产拍蜜月 | 国产成人aa在线观看| 久久人人精品亚洲av| 亚洲人成网站在线播| 精品乱码久久久久久99久播| 免费观看精品视频网站| 国产欧美日韩精品亚洲av| 国产激情欧美一区二区| 一个人免费在线观看电影| 国产乱人伦免费视频| 青草久久国产| 午夜免费成人在线视频| 蜜桃久久精品国产亚洲av| 美女黄网站色视频| 日韩欧美在线乱码| 一个人观看的视频www高清免费观看| 国产精品久久久久久久电影 | 精华霜和精华液先用哪个| 国产高清videossex| 99在线人妻在线中文字幕| 韩国av一区二区三区四区| 色播亚洲综合网| 不卡一级毛片| 免费在线观看亚洲国产| 搡女人真爽免费视频火全软件 | 国产精品av视频在线免费观看| 亚洲在线自拍视频| 极品教师在线免费播放| 免费无遮挡裸体视频| 一本一本综合久久| 色在线成人网| 国产aⅴ精品一区二区三区波| 亚洲精品国产精品久久久不卡| 又黄又粗又硬又大视频| 欧美xxxx黑人xx丫x性爽| 国产高清视频在线播放一区| 亚洲第一欧美日韩一区二区三区| 中文字幕人成人乱码亚洲影| 久久久久精品国产欧美久久久| 亚洲内射少妇av| 内射极品少妇av片p| 性色avwww在线观看| 大型黄色视频在线免费观看| 国产精品久久久久久久久免 | 亚洲狠狠婷婷综合久久图片| h日本视频在线播放| av女优亚洲男人天堂| 亚洲国产精品sss在线观看| 国产精品永久免费网站| 欧美一区二区国产精品久久精品| 少妇高潮的动态图| 一级作爱视频免费观看| 中文字幕人成人乱码亚洲影| xxx96com| 日韩欧美免费精品| 亚洲电影在线观看av| 欧美色欧美亚洲另类二区| 九九久久精品国产亚洲av麻豆| 成人欧美大片| 性色av乱码一区二区三区2| 夜夜看夜夜爽夜夜摸| 久久久久性生活片| 一进一出好大好爽视频| 9191精品国产免费久久| 中国美女看黄片| 国产爱豆传媒在线观看| 熟女少妇亚洲综合色aaa.| 老汉色av国产亚洲站长工具| 少妇熟女aⅴ在线视频| 亚洲av免费高清在线观看| av中文乱码字幕在线| 尤物成人国产欧美一区二区三区| or卡值多少钱| 99视频精品全部免费 在线| 很黄的视频免费| 国产精品久久久久久精品电影| 窝窝影院91人妻| 亚洲欧美日韩卡通动漫| 国产高潮美女av| 老司机福利观看| 少妇的逼好多水| 岛国在线观看网站| 久99久视频精品免费| 国产一区二区在线观看日韩 | 国产精品香港三级国产av潘金莲| 国产激情欧美一区二区| 夜夜爽天天搞| 男人舔奶头视频| 在线播放国产精品三级| 最近视频中文字幕2019在线8| 欧美日韩综合久久久久久 | 俄罗斯特黄特色一大片| 日韩中文字幕欧美一区二区| 又爽又黄无遮挡网站| 亚洲18禁久久av| 天天一区二区日本电影三级| av女优亚洲男人天堂| 少妇丰满av| 真人做人爱边吃奶动态| 中国美女看黄片| 女人高潮潮喷娇喘18禁视频| 两个人看的免费小视频| 日本a在线网址| 国产高潮美女av| 国产成人啪精品午夜网站| 亚洲av日韩精品久久久久久密| 黄色成人免费大全| 亚洲av免费在线观看| 国产探花极品一区二区| 一级作爱视频免费观看| 婷婷六月久久综合丁香| 国产亚洲精品av在线| 美女cb高潮喷水在线观看| 美女大奶头视频| 窝窝影院91人妻| 国产精品久久久久久人妻精品电影| 久久久久久人人人人人| 日本在线视频免费播放| 欧美性猛交╳xxx乱大交人| 成年女人看的毛片在线观看| 欧美一级毛片孕妇| 19禁男女啪啪无遮挡网站| h日本视频在线播放| 一级黄片播放器| 亚洲,欧美精品.| 亚洲va日本ⅴa欧美va伊人久久| 别揉我奶头~嗯~啊~动态视频| 热99在线观看视频| 中文资源天堂在线| 男人和女人高潮做爰伦理| 啦啦啦免费观看视频1| a级一级毛片免费在线观看| 亚洲精品久久国产高清桃花| 2021天堂中文幕一二区在线观| 午夜精品一区二区三区免费看| 亚洲aⅴ乱码一区二区在线播放| 日韩精品青青久久久久久| 最新美女视频免费是黄的| 亚洲欧美一区二区三区黑人| 在线观看av片永久免费下载| 亚洲天堂国产精品一区在线| 日本a在线网址| 91字幕亚洲| 真实男女啪啪啪动态图| 两个人视频免费观看高清| 伊人久久大香线蕉亚洲五| 最新美女视频免费是黄的| 岛国在线免费视频观看| 男人舔奶头视频| 精品久久久久久久久久免费视频| 国产高清有码在线观看视频| 亚洲精品亚洲一区二区| 国产在线精品亚洲第一网站| а√天堂www在线а√下载| 嫩草影视91久久| 亚洲人成网站高清观看| 亚洲黑人精品在线| 日本与韩国留学比较| 日日夜夜操网爽| 日韩高清综合在线| 国产一区在线观看成人免费| 色综合婷婷激情| 久久午夜亚洲精品久久| 婷婷六月久久综合丁香| 特级一级黄色大片|