生菜是蔬菜的重要品种之一,生菜叶片含水率是生菜生长的重要指标,水分含量的多少直接影响作物的生长状况。传统的作物含水率检测方法有烘干法、水分生理指标测定法、视觉检测作物的形态指标法和基于作物的相关水分生理指标法等。与传统信息获比,光谱数字图像处理技术有着诸多优势。它改变了传统技术速度慢、过程复杂和实时性差等不足,提高了作物叶片含水率的测量效率。本文主要研究内容如下:(1)利用7种不同光谱预处理数据与全波段原始数据进行偏最小二乘建模,选出最佳预处理法,提取特征波长并建模,结合PCA算法筛选出最佳特征波段。首先,试验测量发现全波段下的反射率与干基含水率呈负相关,分别采用卷积平滑、多元散射校正、卷积平滑一阶微分法、卷积平滑二阶微分法、导数法、均值中心化和标准归一化等方法对光谱原始数据进行预处理。利用建模和模型评价标准进行择优,其卷积平滑预处理后建模相关系数R_C最高且为0.8132,标准方差SEC为0.0743,再通过预测集建模相关系数R_P为0.7936,标准偏差SEP为0.0578,卷积平滑为最佳预处理法。利用相关系数法选择355nm、545m、680nm、709nm、844nm、935nm、1025nm作为特征波段,特征波段建模相关系数R_C为0.8234,标准偏差SEC为0.06732。结合PCA算法选择相关系数最大、PCA得分系数最高的709nm作为实验特征中心光源。(2)在三种不同光源实验环境下(即暗室环境下仅有特征光源,特征光源结合以709nm为中心波段、带宽±7nm的滤光片和实验卤素灯结合滤光片)进行叶片图像信息采集,选择最佳实验环境。首先利用同种算法对图像进行参数提取,控制不同光照条件为唯一变量,并拟合实验数据进行分析,结果比较发现在特征光源结合滤光片环境下实验效果最佳。试验在提取图像参数前要经过图像前期的目标提取,灰度二值化,膨胀腐蚀及开运算,图像取反等预处理操作,进行单通道值R的提取,并分别利用高斯、非线性拟合和线性拟合进行比较。结果比较最佳环境下不同方法对应最高的相关系数R~2分别为0.8015、0.8826、0.8063。(3)用四种不同的数学模型对各个样本分别进行预测。结果发现通过测量709nm特征光源结合滤光片实验环境下单通道R值和干基含水率非线性拟合最好,其预测能力优于其他模型。本课题基于光谱特征对生菜叶片含水率的检测方法进行研究,相比于传统检测法速度快、易操作,并且成本低廉、易于推广,为日后便携式农作物含水率检测仪的设计和开发提供了理论依据。