基于強(qiáng)度—波長(zhǎng)—偏振多維光信息的番茄氮素檢測(cè)研究.pdf

1、設(shè)施栽培經(jīng)常會(huì)出現(xiàn)氮營(yíng)養(yǎng)元素比例失調(diào)和缺素癥狀,直接影響作物的產(chǎn)量和品質(zhì)。迫切需要在作物生長(zhǎng)過(guò)程中對(duì)養(yǎng)分進(jìn)行精確監(jiān)測(cè)和診斷,實(shí)現(xiàn)養(yǎng)分的精確管理。目前國(guó)內(nèi)外營(yíng)養(yǎng)檢測(cè)僅僅利用了光波的強(qiáng)度(即反射率或反射強(qiáng)度)和波長(zhǎng)信息,即采用反射光譜技術(shù)、圖像技術(shù)或多光譜圖像技術(shù)診斷作物的營(yíng)養(yǎng)狀況。而光波的信息是非常豐富的,包括強(qiáng)度、波長(zhǎng)、位相和偏振態(tài)。因此,本研究對(duì)光的強(qiáng)度、波長(zhǎng)和偏振信息加以利用,以番茄葉片為研究對(duì)象,提出基于強(qiáng)度-波長(zhǎng)-偏振多維光信息

2、的番茄葉片氮營(yíng)養(yǎng)水平診斷的新方法,即利用高光譜圖像及偏振特征,通過(guò)信息融合對(duì)番茄氮素脅迫狀況進(jìn)行診斷。本研究主要完成了以下工作:
　　 (1)對(duì)不同氮素水平番茄葉片的高光譜圖像特征進(jìn)行了研究。采用中值濾波去除圖像中的噪聲;采用最大類間方差法對(duì)圖像進(jìn)行背景分割;對(duì)獲得的番茄葉片高光譜圖像進(jìn)行主成分分析,找出番茄葉片的四個(gè)敏感波長(zhǎng)為471nm,560nm,685nm,710nm;提取特征圖像的灰度、紋理特征;通過(guò)相關(guān)性分析得出:AG

3、560、AG710、SG560、SG685、SG710、ENT471、ASM471、COR471八個(gè)特征與氮含量的相關(guān)性相對(duì)較高;考慮到特征變量間存在著較嚴(yán)重的多重共線性,分別采用逐步回歸、主成分回歸以及偏最小二乘回歸建立番茄氮素預(yù)測(cè)模型,偏最小二乘回歸模型的預(yù)測(cè)效果最佳。
　　 (2)對(duì)不同氮素水平番茄葉片的偏振特征進(jìn)行了初步研究。根據(jù)Stocks矢量法提取了葉片的偏振度特征:并利用相關(guān)分析法優(yōu)選偏振度特征,發(fā)現(xiàn)番茄氮素的四個(gè)

4、敏感波長(zhǎng)為534nm,710hm,775nm,938nm。以敏感波長(zhǎng)處的偏振度特征作為自變量,對(duì)應(yīng)的番茄葉片氮含量為因變量進(jìn)行一元回歸分析和多元回歸分析,多元回歸分析的預(yù)測(cè)結(jié)果略高于一元回歸分析。
　　 (3)考慮到單一特征對(duì)番茄葉片氮素脅迫信息的描述不夠全面的缺點(diǎn),在對(duì)番茄氮素脅迫葉片的高光譜圖像及偏振特征進(jìn)行研究的基礎(chǔ)上,利用SVR法對(duì)番茄葉片的灰度、紋理、偏振信息進(jìn)行特征層融合。通過(guò)分析確定使用徑向基核函數(shù)建立多特征融合的