基于強(qiáng)度—波長—偏振多維光信息的番茄氮素檢測研究.pdf

1、設(shè)施栽培經(jīng)常會出現(xiàn)氮營養(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過程中對養(yǎng)分進(jìn)行精確監(jiān)測和診斷,實(shí)現(xiàn)養(yǎng)分的精確管理。目前國內(nèi)外營養(yǎng)檢測僅僅利用了光波的強(qiáng)度(即反射率或反射強(qiáng)度)和波長信息,即采用反射光譜技術(shù)、圖像技術(shù)或多光譜圖像技術(shù)診斷作物的營養(yǎng)狀況。而光波的信息是非常豐富的,包括強(qiáng)度、波長、位相和偏振態(tài)。因此,本研究對光的強(qiáng)度、波長和偏振信息加以利用,以番茄葉片為研究對象,提出基于強(qiáng)度-波長-偏振多維光信息

2、的番茄葉片氮營養(yǎng)水平診斷的新方法,即利用高光譜圖像及偏振特征,通過信息融合對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圖像進(jìn)行背景分割;對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敏感波長為471nm,560nm,685nm,710nm;提取特征圖像的灰度、紋理特征;通過相關(guān)性分析得出:AG

3、560、AG710、SG560、SG685、SG710、ENT471、ASM471、COR471八個特征與氮含量的相關(guān)性相對較高;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)測模型,偏最小二乘回歸模型的預(yù)測效果最佳。
　　 (2)對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

4、敏感波長為534nm,710hm,775nm,938nm。以敏感波長處的偏振度特征作為自變量,對應(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)測結(jié)果略高于一元回歸分析。
　　 (3)考慮到單一特征對番茄葉片氮素脅迫信息的描述不夠全面的缺點(diǎn),在對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法對番茄葉片的灰度、紋理、偏振信息進(jìn)行特征層融合。通過分析確定使用徑向基核函數(shù)建立多特征融合的