Journals / Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi / 2019 / Cilt: 29 - Sayı: 1
Prediction of Protein Content of Winter Wheat by Canopy of Near Infrared Spectroscopy (NIRS), Using Partial Least Squares Regression (PLSR) and Artificial Neural Network (ANN) Models
- Pages
- 43–51
- DOI
- —
Abstract
In this study to predict amount of protein in wheat, near infrared spectroscopy technique (NIRS) was used that is a non-destructive and fast observing method. Partial Least Squares Regression (PLSR) and Artificial Neural Network (ANN) methods were used to choose the spectral bands and the best models, respectively. To compare the efficiency of models Root-mean-square error (RMSE) and R2 were applied. The finest consequence by cascade forward back propagation (CFBP) was related to network structure of 8-8-1 with Levenberg-Marquardt (LM), and function of TANSIG-TANSIG-PURELIN (TANSIG-TANSIG-PURELIN (R𝑀𝑆𝐸=0.0289 and 𝑅2=0.9881 at 14 epochs). The consequences of estimation for ANN model (𝑅2=0.9881) was better than the PLSR model (𝑅2=0.9783). Therefore, according to the results, it can be said that NIRS has a high potential for predicting the amount of protein in wheat.
Özet
Bu çalışmada, buğdaydaki protein miktarını tahmin etmek için, tahribatsız ve hızlı bir gözlem yöntemi olan yakın kızılötesi spektroskopi (KS) tekniği kullanılmıştır. Sırasıyla spektral bantları ve en iyi modelleri seçmek için Kısmi En Küçük Kareler Regresyonu (KEKKR) ve Yapay Sinir Ağı (YSA) yöntemleri kullanılmıştır. Modellerin verimliliğini karşılaştırmak için Kök-ortalama-kare hata (KOKH) ve R2 uygulanmıştır. Cascade ileri geri yayılımının (CİGY) en iyi sonucu, Levenberg-Marquardt (LM) ile 8-8-1 ağ yapısı ve TANSIG-TANSIG-PURELIN (TANSIG-TANSIG-PURELIN (R𝑀𝑆𝐸 = 0.0289 ve 𝑅2) 'nin işlevi ile ilgilidir. YSA modeli için tahmin sonuçları (𝑅2 = 0.9881), KEKKR modelinden (𝑅2 = 0.9783) daha iyi bulunmuştur. Bu nedenle, sonuçlara göre, buğdaydaki protein miktarının belirlenmesinde KS'nin tahmin etme potansiyeli yüksek olduğu söylenebilir.