文献

J-GLOBAL ID：202002281097941315   整理番号：20A2661844

ジャガイモ葉水分含量の迅速予測【JST・京大機械翻訳】

Rapid prediction of potato leaf moisture content

著者 (6件)： Yu Xufeng (Yunnan Normal Univ. (China)) ,  Zhuo Wei (Yunnan Normal Univ. (China)) ,  Li Xinting (Yunnan Normal Univ. (China)) ,  Zhang Feng (Yunnan Normal Univ. (China)) ,  Li Shengwei (Yunnan Normal Univ. (China)) ,  Feng Jie (Yunnan Normal Univ. (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11559  ページ： 115590Y-7  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ジャガイモ葉の含水量を予測するために近赤外分光法を用いるとき,大量のスペクトルデータを加工する必要があり,時間がかかり,労働集約的な計算プロセスをもたらす。本論文では,近赤外スペクトルデータの計算量を低減するための様々な特徴波長抽出法の使用を提案し,予測結果の比較に従って,最良の抽出効果による特徴波長抽出法を得た。第1に,900~2100nmバンドにおける110の新鮮なジャガイモ葉のスペクトル反射率情報を収集し,次に,回帰係数(RC),主成分分析(PCA),一次導関数相関抽出を,それぞれ用いて,全バンドスペクトルデータから特性波長を抽出し,最後に,3つの異なる方法で抽出された特性波長に従って,BPニューラルネットワーク予測モデルを確立し,そして,最後に,最適特性波長抽出方法を得るために,予測結果を比較した。結果は,回帰係数(RC)によって抽出された特性波長によって確立されたBPニューラルネットワークモデルが,最良の予測効果を持ち,予測セット決定係数(R2)が0.9698であり,そして,二乗平均誤差(RMSE)が0.3177であることを示した。この実験では,近赤外分光分析データを90%以上減らすことに基づいて,良好な予測効果を達成し,ジャガイモ葉の含水量を迅速かつ簡潔に予測する目的を達成した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 反射率 ,  *ジャガイモ ,  波長 ,  含水量 ,  スペクトル ,  計算量 ,  導関数 ,  主成分分析 ,  近赤外スペクトル ,  近赤外分光分析 ,  予測モデル
準シソーラス用語： スペクトルデータ ,  逆伝播ニューラルネットワーク ,  回帰係数 ,  決定係数 , 【Automatic Indexing@JST】

分類 (3件)： 固体デバイス製造技術一般  (NC03030V) ,  リモートセンシング一般  (AD04000L) ,  レーダ  (ND13010H)

タイトルに関連する用語 (4件)： ジャガイモ ,  葉 ,  水分含量 ,  予測