摘要
本发明涉及农业信息领域,且公开了一种数据增强融合模型解释的水稻叶片蛋白氮估算方法,通过从收集和预处理后的水稻叶片多源数据中分别获取氮素特征变量和水稻叶片蛋白氮含量,再从所获取的氮素特征变量中筛选出与水稻叶片蛋白氮含量密切相关的氮素特征变量样本集,根据对抗网络算法对筛选出的氮素特征变量样本集进行扩充,通过扩充后的氮素特征变量样本集,来构建水稻氮素估算模型,并对模型进行精度对比,得到最优水稻氮素估算模型,通过对最优水稻氮素估算模型进行可解释性分析,来提升模型的可解释性,有利于提高模型精度,提升了模型的可解释性,能为农户和农业管理者提供更准确、可靠的叶片蛋白氮含量信息。
技术关键词
变量
叶片
蛋白
生理特征数据
样本
无人机搭载高光谱成像系统
XGBoost模型
支持向量机回归
交叉验证方法
无人机高光谱数据
WGAN模型
生成式对抗网络
数据生成方法
K近邻
精度
误差
冗余特征
算法
特征选择
系统为您推荐了相关专利信息
调度建模方法
离散制造业
设备关联关系
表达式
关系建立模型
品质检测方法
纹理特征
林木
通用特征
协方差矩阵
载荷估算方法
车辆动力学模型
神经网络架构
传感器
神经网络参数
精确配料系统
铸造铝合金
XGBoost模型
反馈控制模块
模型训练模块