基于近紅外高光譜圖像技術(shù)的黃瓜葉片色素含量和營養(yǎng)狀況無損檢測.pdf

1、黃瓜(CucumissativusL.)是我國的主栽蔬菜作物之一,在人民日常生活、地方經(jīng)濟(jì)發(fā)展中扮演重要角色。由于生長周期短,果實(shí)產(chǎn)生率高、產(chǎn)量大,植株容易出現(xiàn)營養(yǎng)元素虧缺的情況,嚴(yán)重影響了黃瓜種植業(yè)的產(chǎn)量和經(jīng)濟(jì)效益?？焖贉?zhǔn)確的診斷缺素狀況對提高黃瓜產(chǎn)量、增強(qiáng)農(nóng)民收入以及發(fā)展現(xiàn)代農(nóng)業(yè)有著極其重要的意義。為了解決診斷黃瓜營養(yǎng)狀況的主觀性強(qiáng)、檢驗(yàn)周期長及費(fèi)用高等缺點(diǎn),本論文利用集圖像技術(shù)和光譜技術(shù)于一身的高光譜圖像技術(shù),檢測黃瓜葉片色素含量

2、及營養(yǎng)狀況。主要研究內(nèi)容如下:
　　 1.試驗(yàn)樣本信息的獲取。通過無土栽培方式培育正常、缺磷和缺氮三種營養(yǎng)狀況下的黃瓜葉片,通過近紅外高光譜圖像采集系統(tǒng)獲取900-1700nm鮮活黃瓜葉片的近紅外高光譜圖像,并研究了葉片色素的高效液相色譜(HPLC)檢測方法。
　　 2.黃瓜葉片的色素含量檢測。提取了高光譜圖像中的光譜信息,研究建立全光譜偏最小二乘模型,并利用特征譜區(qū)篩選方法優(yōu)化葉片色素含量預(yù)測模型。在光譜預(yù)處理的基礎(chǔ)上

3、,分別利用區(qū)間偏最小二乘(iPLS)、聯(lián)合區(qū)間偏最小二乘(SiPLS)、向后區(qū)間偏最小二乘(BiPLS)、及遺傳算法.區(qū)間偏最小二乘(GA-iPLS)等方法篩選色素特征譜區(qū),并結(jié)合HPCL分析得到的化學(xué)值建立校正模型。研究結(jié)果表明,SiPLS、BiPLS和GA-iPLS都能夠在降低模型復(fù)雜度的同時提高模型的精度。以葉綠素-a為例,其GA-iPLS預(yù)測結(jié)果最佳,采用的波數(shù)點(diǎn)個數(shù)只有84個,不到全光譜的三分之一,其校正集的相關(guān)系數(shù)(Rc)和

4、交互驗(yàn)證均方根誤差(RMSECV)分別為0.8337和0.187,預(yù)測集的相關(guān)系數(shù)(Rp)和預(yù)測均方根誤差(RMSECP)分別為0.8304和0.202。
　　 3.近紅外高光譜數(shù)據(jù)的光譜信息識別正常、缺磷和缺氮三種營養(yǎng)狀況下的黃瓜葉片。采用多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)和一階導(dǎo)數(shù)(1stDer)三種方法對光譜進(jìn)行預(yù)處理,并對預(yù)處理效果進(jìn)行比較。在主成分分析(PCA)的基礎(chǔ)上,有比較的運(yùn)用了線性判別分析(LD

5、A)和K最近鄰(KNN)兩種模式識別方法。結(jié)果表明,光譜經(jīng)過MSC處理后建立的LDA模型識別效果最佳,當(dāng)主成分?jǐn)?shù)為13時,模型的訓(xùn)練集和預(yù)測集的總體識別率均為96.67%。
　　 4.近紅外高光譜數(shù)據(jù)的圖像信息識別正常、缺磷和缺氮三種營養(yǎng)狀況下的黃瓜葉片。對高光譜圖像進(jìn)行主成分分析,選取特征波長圖像,利用灰度統(tǒng)計(jì)矩提取特征波長圖像的紋理信息,應(yīng)用線性判別方法(LDA)建立葉片的營養(yǎng)狀況識別模型,訓(xùn)練集和預(yù)測集的識別率分別為68.

6、33%和56.67%,識別效果均劣于應(yīng)用光譜信息建立的識別模型。
　　 5.提取近紅外高光譜數(shù)據(jù)中缺鉀葉片和缺磷葉片的早期缺素癥狀信息。對樣本高光譜數(shù)據(jù)進(jìn)行主成分分析,挑選特征圖像,然后應(yīng)用濾波和閾值分割提取缺素癥狀。對17個早期缺鉀葉片樣本和26個早期缺磷葉片樣本進(jìn)行檢測,樣本的缺素癥狀均被檢出。
　　 本論文分別從高光譜圖像的光譜信息和圖像信息建立并優(yōu)化黃瓜葉片的色素預(yù)測模型和缺素識別模型,結(jié)果表明,利用近紅外高光譜