基于近红外光谱与双权重竞争特征搜索策略的橡胶树叶片氮素检测

来源：江苏农业科学杂志2024年第第18期北京时间：

作者：胡鹏飞;唐荣年;胡文锋;李创

单位：海南大学机电工程学院，海南海口 570228

摘要：本研究旨在解决传统近红外光谱分析在橡胶树叶片氮含量(LNC)检测中模型精度和稳定性的局限。通过对180张橡胶树叶片进行定量分析，提出了一种改进的重加权采样算法，即双权重竞争性自适应重加权采样(DWCARS)。该方法综合运用回归系数和变量投影重要性(VIP)2种权重评价标准，并通过竞争性机制优化特征选择。比较分析结果表明，与传统CARS和差分进化(DE)等方法相比，DWCARS能够提取出更少且预测精度更高的波长变量。在测试集上，DWCARS模型展现了显著性能优势，其决定系数(R2P)为0.936 7，均方根误差(RMSEP)为 0.121 5，相比于CARS算法建立的预测模型RMSEP值降低了21.66%。表明DWCARS算法在提高橡胶树叶片氮含量检测的准确性和稳定性方面表现卓越，适用于精确监测橡胶树生长阶段的氮素状况。

关键词：近红外光谱;橡胶树;机器学习;光谱波段选择;叶片氮含量;DWCARS