用于检测葡萄叶片氮状态的集成高光谱波段选择
计算机视觉与模式识别
2021-03-10 v2 机器学习
图像与视频处理
摘要
高光谱数据庞大的数据量与维度要求复杂的处理与数据分析。多光谱数据虽无此限制，但通常仅限于蓝、绿、红、红边和近红外波段。本研究旨在利用来自150株Flame Seedless鲜食葡萄藤超过3000片叶片的高光谱数据，通过集成特征选择识别用于葡萄叶片氮检测的最优光谱波段集。集成中包含了六种机器学习基排序器：随机森林、LASSO、SelectKBest、ReliefF、SVM-RFE和混沌乌鸦搜索算法(CCSA)。该流程识别出少于0.45%的波段为对葡萄氮状态最具信息量的波段。所选的紫、黄橙和短波红外波段位于商用多光谱相机典型的蓝、绿、红、红边和近红外波段之外，因此以所选波段为中心的定制多光谱传感器在葡萄藤氮遥感中带来的潜在改进是有前景且值得进一步研究的。所提出的流程也可用于农业以外领域中特定应用的多光谱传感器设计。
引用
@article{arxiv.2010.04225,
title = {Ensemble Hyperspectral Band Selection for Detecting Nitrogen Status in Grape Leaves},
author = {Ryan Omidi and Ali Moghimi and Alireza Pourreza and Mohamed El-Hadedy and Anas Salah Eddin},
journal= {arXiv preprint arXiv:2010.04225},
year = {2021}
}
备注
8 PAGES, ACCEPTED IN 19TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA 2020), MODIFIED ONE AUTHOR NAME