荧光光谱分析技术具有快速、实时、重复性好、便于实现现场检测等优点,已在农业、食品工业、生命科学和环境科学等领域中得到广泛应用。茶是我国的主要农业经济作物之一,在我国农业和国民经济中起着重要的作用。叶绿素和水分是植物叶片的基本组成物质之一,是植物生长和受环境胁迫等情况的敏感指示器。利用荧光光谱分析技术及时、准确的检测茶鲜叶的叶绿素和水分含量,对茶树生理信息的检测、水肥管理等有重要意义。　　 本文以茶鲜叶为研究对象,探讨应用LED激发荧光光谱技术检测叶绿素和水分含量的方法,主要研究内容如下:　　 1.研究共收集不同品种、不同茶园的茶鲜叶样品120个,采用F96S荧光分光光度计检测了荧光光谱,通过对比试验,确定了仪器的最佳激发波长、光谱检测范围、光谱检测问隔、样品测量次数等检测参数。通过对样品的荧光光谱分析,得到了茶鲜叶样品在采集光谱区域的特征。并同步测定了茶鲜叶中叶绿素和水分的含量。　　 2.运用主成分分析、马氏距离法、杠杆值法等3种光谱异常样品剔除方法,对120个样品光谱数据进行光谱异常值判定,结果表明主成分分析法比其它两种算法更加适合本研究。最后剔除了3个异常样品光谱,保留了117个样本;利用预测浓度残差法对化学值异常样品进行判定,其中叶绿素叶面积含量和叶绿素叶鲜重含量的异常值为5个,叶片含水率的化学异常值为6个。利用偏最小二乘法对剔除样品异常值前后的样品集进行建模,比较模型的预测效果,证明了经过光谱异常值和化学异常值的删除,可以大幅提高模型的稳定性和预测性。　　 3.经过异常样品剔除后,叶绿素含量指标的样品集个数为112个,选取其中的82个样品作为校正集,剩余30个样品作为预测集。比较了一阶导数(1st)、二阶导数(2nd)、多元散射校正(MSC)、标准下唇态换(SNV)、平滑(S-G)、归一化(Nor)等6种预处理方法的效果,找出了叶绿素叶面积含量的最佳光谱预处理方法是2nd+MSC+Nor,叶绿素叶鲜重含量指标的最佳预处理方法是2nd+MSC+SNV;并在最佳的光谱预处理方法下,分别建立叶面积含量和叶鲜重含量的偏最小二乘预测模型,叶面积含量的校正相关系数(Rc)和预测相关系数(Rp)分别为0.9529和0.8698;叶鲜重含量的校正相关系数(Rc)和预测相关系数(Rp)分别为0.9113和0.8232。结果表明:使用单位叶面积含量来表示叶片叶绿素含量效果更好,更为合理。采用PLS+BP网络进行建模,并比较了不同主成分数和隐含层单元数对PLS+BP模型精度的影响,得出了叶面积含量PLS-BP建模的较优参数为主成分数为6,隐含层单元数为8;叶鲜重含量PLS-BP建模的较优参数为主成分数为6,隐含层单元数为9时校正模型最佳的结论,其中叶面积含量模型的Rc和耶分别为0.9391和0.9093,叶鲜重含量模型的Rc和Rp分别为0.9476和0.8673。比较PLS和PLS+BP模型的建模结果,发现PLs+BP模型对于叶鲜重含量预测性有很大提高,Rp从单独使用PLS时的0.8232提高到0.8673。　　 4.利用SPXY法对剔除异常样品后的叶片含水率样品集进行校正集和预测集划分,其中校正集样品数80个,预测集样品数31个。比较1st、2nd、MSC、SNV、S-G、Nor等6种预处理方法的效果,找出了叶片含水率的最佳预处理方法为Nor+MSC+2nd;并在最佳的预处理方法下建立叶片含水率的逐步回归(SWR)模型,模型的验证结果为:Rc和Rp分别为0.8860和0.8364,校J下均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为3.1584和3.644.7。采用原始光谱进行建模,建模方法为PLS+BP神经网络,模型结果为:Rc和Rp分别为0.9424和0.8666,RMSEC和RMSEP分别为2.3043和3.6723。比较SWR和PLS+BP建模结果,发现PLS+BP模型大幅提高了校正模型的精度。　　 通过对利用LED激发荧光光谱技术检测茶鲜叶叶绿素和水分含量的初步研究,探索了化学计量学方法在荧光光谱分析中的应用。研究成果不仅丰富了荧光光谱分析的方法,而且为利用叶绿素荧光光谱技术快速无损检测植物叶片叶绿素和水分含量提供了充分的理论和实践依据,对进一步利用荧光光谱分析技术实现植物生理信息的无损快速判断和病虫害早期诊断等的研究有着积极的意义。