目前我国设施蔬菜的种植面积已达到410万公顷,规模居世界第一位,对促进我国农村和农业经济起到了巨大作用。但设施产业往往因为产出量和需求量的要求,在生产时施用大量肥料,这种情况不仅会造成肥料的严重浪费和环境的面源污染问题,还会引起作物品质的降低和产量的下降。因此迫切需要在作物生长过程中对其营养状态进行监测,实现养分的科学管控,以实现设施生产的优质高产。传统的化学分析法对植物体内营养状况的诊断,时效性差;依靠人工经验又容易带有主观因素,不能系统、科学的实现判断。基于光谱图像的无损探测技术,由于具有快速、方便、非破坏性的优点,目前已成为作物营养快速诊断技术的研究热点。本课题以设施番茄为对象,提出了利用高光谱融合太赫兹图像,通过多源光谱信息的融合对作物氮磷钾元素进行无损检测的方法。本研究主要完成了以下工作:(1)开展了无损检测方法研究的准备实验。为了准确获取不同氮磷钾营养水平的试验样本,采用无土栽培的方式,在标准配方的基础上,按比例分梯度培养番茄样本。采用化学分析方法实测了作物的氮、磷、钾含量,在此基础上,利用高光谱成像系统采集了390-1050nm波段范围,不同氮素磷素钾水平作物叶片的高光谱数据立方体;并利用太赫兹成像系统获取了0-4.0THz范围番茄样本的太赫兹波谱层析图像。(2)对不同氮磷钾水平的高光谱图像及太赫兹图像特征进行研究。基于获取的高光谱和太赫兹图像数据立方体,为了准确获取营养特征,首先对面域数据进行目标分割去除背景,并把面域光谱强度数据进行平均;进而将平均后的数据进行数据预处理;之后通过KS算法、SPXY算法和RS算法进行校正集和验证集的划分;利用稳定性竞争性自适应加权算法(SCARS)、迭代保留信息变量算法(IRIV)进行数据降维和特征波段的选择;在上述两种算法的基础上利用连续投影算法(SPA)进行再次筛选,找出各自特征波段对应的特征谱段和特征图像,在此基础上利用PLSR进行模型建立。(3)考虑到单一检测手段进行作物营养无损检测可能存在局限性,利用高光谱成像技术和太赫兹光谱成像技术各自提取的番茄营养特征,使用神经网络算法和多元线性回归算法,分别建立番茄氮、磷、钾元素高光谱和太赫兹的融合检测模型。