[发明专利]确定暗适应下叶绿素荧光特征参数的方法及系统

权利要求书

1.一种确定暗适应下叶绿素荧光特征参数的方法，其特征在于，包括：

获取暗适应下的叶绿素荧光特征参数与未暗适应下的叶绿素荧光信号，并在所述叶绿素荧光特征参数与所述叶绿素荧光信号之间建立机器学习映射关系模型,其中使用叶绿素荧光仪器测量得到暗适应下的叶绿素荧光特征参数与未暗适应下的叶绿素荧光信号；

将暗适应下的叶绿素荧光特征参数与未暗适应下的叶绿素荧光信号组合划分为训练数据集和测试数据集，并对所述训练数据集和测试数据集进行归一化处理；

利用归一化处理后的所述训练数据集建立从未暗适应的叶绿素荧光信号中确定暗适应下的叶绿素荧光特征参数的机器学习模型，以所述训练数据集中的未暗适应叶绿素荧光信号为输入值，以所述训练数据集中的暗适应下的叶绿素荧光特征参数为输出，对建立的模型进行训练；

利用归一化处理后的所述测试数据集对所述模型进行测试，以所述测试数据集中的未暗适应的叶绿素荧光信号作为输入值，通过所述模型输出预测的叶绿素荧光特征参数；

对所述模型输出的预测叶绿素荧光特征参数进行反归一化处理，将反归一化处理后模型输出的预测叶绿素荧光特征参数与原始获取到的叶绿素荧光特征参数进行评估，并确定从未暗适应的叶绿素荧光信号确定暗适应下的叶绿素荧光特征参数的模型性能；

其中，在所述叶绿素荧光特征参数与所述叶绿素荧光信号之间建立机器学习映射关系模型的方法包括：

使用LSSVM模型在暗适应下的叶绿素荧光特征参数与未暗适应的叶绿素荧光信号之间建立机器学习映射关系模型如下：

式中，x表示未暗适应的叶绿素荧光信号；f(x)表示相对应的输出；表示将x映射到高维特征空间的非线性映射函数；w表示高维特征空间的权重向量；b表示偏差变量。

2.根据权利要求1所述的确定暗适应下叶绿素荧光特征参数的方法，其特征在于：所述叶绿素荧光特征参数包括F_v/F_m，F_j，F_i，F_o，其中所述F_v/F_m表示暗适应下PSII的最大量子产额，F_j表示质体醌A(Q_A^-)的积累，F_i表示PQ库的异质性，F_o表示暗适应后叶片暴露于光下的初始荧光。

3.根据权利要求1所述的确定暗适应下叶绿素荧光特征参数的方法，其特征在于：将未暗适应的叶绿素荧光信号与暗适应下的叶绿素荧光特征参数组合划分为训练数据集的方法包括：

将暗适应下的叶绿素荧光特征参数和未暗适应的叶绿素荧光信号组合划分为训练数据集为{(x_i，y_i)，i＝1，2，…，m}，其中x_i∈R^m表示第i个训练样本的输入值，y_i∈R表示第i个训练样本的目标值，m表示训练数据集中的样本数量。

4.根据权利要求1所述的确定暗适应下叶绿素荧光特征参数的方法，其特征在于：将暗适应下的叶绿素荧光特征参数和未暗适应的叶绿素荧光信号组合划分为测试数据集的方法包括：

将暗适应下的叶绿素荧光特征参数和未暗适应的叶绿素荧光信号组合划分为测试数据集为{(X_i，Y_i)，(i＝1，2，…，n)}，其中X_i表示第i个测试样本的输入值，Y_i表示第i个测试样本的真实目标值，n表示测试数据集中的样本数量。

5.根据权利要求1所述的确定暗适应下叶绿素荧光特征参数的方法，其特征在于：对所述训练数据集和测试数据集进行归一化处理的方法包括：

将所述训练数据集和测试数据集中的暗适应下的叶绿素荧光特征参数和未暗适应的叶绿素荧光信号的均值和标准差进行数据标准化，使所述暗适应下的叶绿素荧光特征参数和未暗适应下的叶绿素荧光信号处于同一数量级。