基于深度卷积生成式对抗网络的菌草丙二醛含量可见/近红外光谱反演

分类： 统计学 >> 社会统计学 提交时间： 2023-12-04 合作期刊: 《智慧农业（中英文）》

叶大鹏 陈晨 李慧琳 雷莹晓 翁海勇 瞿芳芳

摘要： ［目的/意义］菌草是多年生可用作饲料与生物质能源的草本植物，在温带种植需克服越冬问题。低温胁 迫会对菌草的生长发育造成不利影响。丙二醛（Malondialdehyde，MDA） 含量作为诊断菌草低温胁迫状态的有力 诊断指标，利用光谱技术反演MDA含量，可快速无损地评估菌草生长动态，为菌草育种及低温胁迫诊断提供参 考。［方法］本研究基于6个品种的菌草植株，设置低温胁迫组与常温对照组，获取菌草苗期的可见/近红外光谱 （Visible/Near Infrared Spectrum，VIS/NIR） 数据与叶片MDA含量信息，分析低温胁迫条件下菌草MDA含量及其光 谱反射率均相应增加的变化趋势；为提升模型的检测效果，提出了改进的一维深度卷积生成式对抗网络（Deep Convolutional Generative Adversarial Networks，DCGAN） 用于样本数量增广，并建立基于随机森林（Random Forest， RF）、偏最小二乘回归（Partial Least Squares Regression，PLSR） 以及卷积神经网络（Convolutional Neural Net⁃ works，CNN）算法的MDA光谱定量检测模型。［结果和讨论］DCGAN可优化模型的可靠性与MDA检测精度，且 DCGAN联合RF模型可以得到最佳的检测效果，其中预测集决定系数Rp2为0.7922，均方根误差为2.4063，残差预 测偏差（Residual Predictive Deviation，RPD）为2.1937。［结论］本研究利用DCGAN进行样本数量增广，能显著 提升基于光谱数据的模型对菌草MDA含量的反演精度与预测性能。

 点击量 486  下载量 83  评论