基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.0973,预测集的相关系数为0.8881,预测均方根误差(RMSEP)为0.1304,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。     

光谱技术结合BiPLS-GA-SPA和ELM算法的生菜冠层氮素含量检测研究

氮素是影响生菜产量和品质的重要因素,光谱技术是检测作物氮素含量最有效的手段之一。通过获取不同氮素水平下生菜冠层的反射光谱,对其进行FDSGF(first-order derivative based savitzky-golay filt)滤波后,利用后向区间偏最小二乘算法(BiPLS)、遗传算法(GA)及连续投影算法(SPA)对特征波长进行梯度提取,最终从2 151个波长点中提取了8个与生菜氮素最为相关的特征波长。分别利用多元线性回归(MLR)、径向基函数神经网络(RBFNN)及极限学习机(ELM)三种算法建立了基于特征波段或特征波长的8个生菜冠层氮素含量检测模型。结果表明:BiPLS-GA-SPA-ELM模型(RMSEC=0.241 6%,Rc=0.934 6,RMSEP=0.284 2%,Rp=0.921 8)的预测结果优于其他模型,为指导合理施肥和开发便携式仪器提供了理论基础。     

基于高光谱图像的生菜叶片氮素含量预测模型研究

为了便于更经济合理地为作物施肥,建立一种无损检测作物氮营养元素的高光谱图像模型。本实验以生菜为研究对象,无土栽培各氮素水平的生菜叶样本,在莲座期,采集生菜叶片样本的高光谱图像(390~1050 nm),同时采用凯氏定氮法测定对应生菜叶片样本的全氮含量。通过ENVI软件提取出生菜叶片中感兴趣区域的平均光谱作为该样本原始光谱信息,分别使用平滑处理(Smoothing)、多元散射矫正(MSC)、标准正态变量变换结合去趋势(SNV detrending)、一阶导数法(First derivative)、二阶导数法(Second derivative)、正交信号矫正(OSC)等预处理方法对样本原始光谱进行处理,然后利用偏最小二乘回归法(Partial least squares regression,PLSR)分别建立样本全波段光谱信息与氮含量的关系模型,研究各预处理方法对氮含量模型的影响,结果表明,使用OSC预处理的模型效果最好。为了简化模型,根据OSC预处理光谱后的模型的PLSR回归系数优选出敏感波长,利用训练集中样本的敏感波长光谱信息与氮含量数据重新构建PLSR回归模型,并利用测试集样本进行测试试验。结果表明,该模型得到校正集和预测集的决定系数(R2p)分别为0.89,0.81;均方根误差RMSEC,RMSEP分别为0.33,0.45。该回归模型大大降低了自变量个数,简化了模型,并且取得了较优的效果,这为生菜氮素含量预测提供了一种新的快速有效方法。     

温室番茄缺素叶片偏振反射特征分析

为提高番茄植株营养胁迫定量分析模型的精度,探究偏振检测在植物单叶尺度进行无损检测的优势,利用自行研制的偏振反射光谱系统检测不同生长期温室番茄缺素叶片偏振反射特征。对影响番茄单叶偏振反射的主要因素:方位角、入射天顶角、探测天顶角、光源偏振片起偏角度、探测器偏振片起偏角度进行了讨论,通过正交试验的极差分析获取光谱仪各测量角度参数的优水平,并通过实验进一步验证,最终分析得到偏振光谱系统检测番茄缺素叶片的角度组合及主次排序为:入射天顶角60°、光源起偏角度0°、探测器起偏角度45°、探测天顶角45°、方位角180°,在此基础上对不同生长期的缺氮、缺磷、缺钾叶片以及不同缺素程度的叶片进行分析比较,结果显示偏振反射比随番茄叶片的生长周期呈现正相关关系,缺素和营养过量均能导致偏振反射比的下降,偏振反射比在结果期和采收期的降幅较为明显。对于偏振反射光谱在植物单叶尺度营养快速检测的深入研究具有一定的理论和实践意义。     

基于光谱分析技术的作物中杂草识别研究

除草剂的精确喷施、物理方法精确除草皆依赖于杂草的自动识别.光合色素和结构差异导致作物、杂草的光谱反射率不同,因此不同植物可以利用光谱特性来区分.利用ASD光谱仪在室内分别测量了棉花、刺儿菜、水稻、稗草等四种植物在350～2 500nm波段范围内的光谱反射率.运用SAS统计软件的STEPDISC过程筛选能够区分作物和杂草的波长;判别模型中加入筛选所得特征波长,利用Discrim蚰过程进行判别分析.实验结果表明,利用3个特征波长385,415和435 nm有效地从双子叶植物棉花中识别出双子叶杂草刺儿菜,其识别率为100%,波长415和435nm的组合对识别模型的贡献最大;利用5个特征波长375,465,585,705和1 035 nm可有效地从单子叶植物水稻中识别出单子叶杂草稗草,其识别率也为100%,黄色到橙色的过渡波长585nm和"红边"内的波长705nm的组合对识别模型的贡献最大.     

偏振-高光谱多维光信息的番茄叶片营养诊断

以Venlo型温室中无土栽培模式下自行培育的25%,50%,75%,100%,150%五个梯度水平的氮、磷、钾营养胁迫样本为研究对象,利用高光谱成像系统以及课题组自行研发的偏振反射光谱测量分析系统分别采集不同氮磷钾营养水平番茄叶片的偏振光谱和高光谱数据。通过扫描电镜分析阐明营养胁迫叶片非光滑表面的凹凸和质地发生的一系列变化与偏振反射辐射之间具有一定的联系。由斯托克斯公式将偏振光谱换算成偏振度后,提取偏振度与氮磷钾实测值之间的各4个偏振度特征;同时将高光谱数据经过主成分分析降维并确定氮磷钾各4个特征波长,再通过相关分析法提取这4个特征波长下的各8个高光谱图像纹理特征。偏振度特征与高光谱纹理特征相加累计氮磷钾各12个特征作为支持向量回归(SVR)的输入变量。对这12个特征变量进行最大-最小值归一化后,采用SVR建立番茄氮磷钾营养水平的定量诊断模型,求得氮的相关系数r=0.961 8,均方根误差RMSE=0.451;磷的相关系数r=0.916 3,均方根误差RMSE=0.620;钾的相关系数r=0.940 6,均方根误差RMSE=0.494。研究结果表明采用偏振反射光谱结合高光谱的多维光信息融合技术能够建立精度较高的番茄营养水平预测模型,具有较好的诊断作用,对于提高模型的精度和专用仪器的开发具有一定的指导意义,为番茄养分含量的快速检测提供了新的思路。