2021年2月，我院夏吉安博士在国际期刊《Computers and electronics in agriculture》上以第一作者，南京工业职业技术大学计算机与软件学院为第一单位发表了论文“A cloud computing-based approach using the visible near-infrared spectrum to classify greenhouse tomato plants under water stress”。该期刊是农业与计算机交叉学科中科院1区Top期刊。
随着大数据与云计算技术在精准农业中的应用越来越广泛，基于大数据与云计算的作物光谱数据挖掘和模式识别将是计算机学科和农业信息学相结合的一个研究方向与热点。
本文研究评估了大数据与云计算技术在设施番茄水分胁迫分类检测的应用的潜力。采用合作903和万柿如意两个番茄品种进行栽培，在果实膨大期进行三种（正常浇水、第一果实膨大期不浇水、第二果实膨大期不浇水）水分处理，并在结果期采集番茄冠层的可见-近红外反射光谱。通过对于反射光谱建立数据集，并进行数据处理获得一阶导数光谱和吸光度光谱，建立三种不同的光谱数据集。使用连续投影算法选择6个（483,557,674, 783, 869 and 964nm）波段的数据作为最优波段。使用Hadoop和Spark框架建立云计算平台，并利用Spark框架提供的MLlib机器学习库实现Multilayer perceptron classifier（MLPC）和One-vs-Rest classifier（ORC）两种分类算法。采用MPLC和ORC对两种设施番茄不同水份处理的光谱数据集（原始、一阶导数、吸光度）进行多元分类分类处理，分类数据集中随机选择70%的数据进行训练，30%数据进行预测，并在云计算平台进行训练和预测。
本研究的结果将提高了设施作物的光谱检测的速度与效率，同时有助于云计算技术在精准农业领域的应用。
原文链接：https://doi.org/10.1016/j.compag.2020.105966