论文部分内容阅读
设施栽培作物很容易出现氮、磷、钾等元素亏缺或过量的状况,将严重影响作物的产量和经济效益。目前,作物叶片或冠层的氮、磷、钾含量的无损检测大多利用检测到的光谱或图像信息来反演作物氮、磷、钾含量,检测和反演时都假设已知作物受氮、磷、钾某一营养胁迫,且不考虑各营养之间的交互作用影响,直接根据叶片氮、磷、钾来指导营养补充方案,将出现错误的结果。无损检测技术对作物氮、磷、钾含量检测采用单一技术手段,无法全面获取作物营养信息。因此,在考虑交互作用的情况下,融合多种技术对作物养分进行精确的监测和诊断,并将叶片检测出来的营养信息反演出作物的施肥状况,实现养分的精确管理有重要意义。本论文在“基于强度-偏振-光谱分布多维图像的番茄营养水平快速诊断研究”等课题资助下,利用高光谱和偏振光谱技术提取番茄叶片的光谱特征、图像纹理特征、偏振光谱特征,融合多元信息建立模型,并利用其交互影响修正模型,检测番茄叶片的氮、磷、钾含量。根据多元信息融合预测的叶片营养含量,采用模糊聚类识别模型,来反演对应的氮、磷、钾组合的施肥胁迫水平,提供施肥所需的信息。本论文的主要研究工作如下:(1)培育氮、磷、钾单一胁迫番茄植株样本、交互样本和交互验证样本,利用高光谱和偏振光谱仪器采集叶片的光谱和图像数据,采用凯氏定氮法、钼锑抗吸光光度法、火焰光度法检测叶片氮、磷、钾的含量。(2)光谱反射率进行一阶微分变换后,通过UVE-SPA算法筛选特征波长,选择N、P、K都敏感的2个波长,为566.29和693.71nm;特有敏感波长分别为724.66 nm,474.85 nm,762.24 nm。高光谱图像通过预处理,采用PCA方法提取敏感波长,在灰度共生矩阵基础上,统计敏感波长组合下第一主成分图像的纹理信息,通过相关性分析选择氮、磷、钾的4个纹理特征分别为MEAN、HOM、ENT、COR,HOM、CON、DIS、COR,HOM、ENT、DIS、ASM。分析多种营养胁迫下偏振度和偏振相角的变化规律,采用GA-PLS算法提取偏振度氮、磷、钾的1个共有特征波长549.01 nm,2个特有的敏感波长为398.43、699.20 nm,740.54、857.91 nm,400.27、695.66 nm。偏振相角提取氮、磷、钾的1个共有敏感波长745.35 nm;2个特有敏感波长为724.49、856.61 nm,567.01、838.91 nm,367.58、863.51 nm。(3)利用GA-BPANN和LS-SVM方法建立番茄叶片氮、磷、钾含量的多元信息融合模型,LS-SVM模型的性能较优,氮、磷、钾的分别为0.9196、0.8396、0.8892;RMSEP分别为0.1525%、0.2491mg/g、0.1962mg/g。采用多因子二次多项式回归方法修正LS-SVM模型,修正后模型氮、磷、钾的分别为0.9230、0.8468、0.8954,SEE分别为0.2161、0.3617、0.5180。(4)通过灰度关联和相关性分析得出交互作用,P N、K N、K P、N K为协同作用,K P、P K为拮抗作用。通过模糊聚类分析每个营养水平的样本氮、磷、钾含量的关系。(5)采用模糊模式识别探究叶片氮、磷、钾含量与施肥状态的关系,反演作物真实的施肥水平。利用交互样本建立模糊模式识别模型并进行验证。LS-SVM和二次多项式回归修正模型预测验证交互样本叶片的氮、磷、钾含量,并通过模糊模式识别对验证交互样本进行归类,开花期、结果初期、结果中期、采收期预测集的识别率为92.11%、97.37%、89.47%、92.11%。结果表明多元信息融合和交互修正模型能全面、准确的反映作物的营养信息,有效识别作物的真实施肥状态,为作物营养的快速、无损诊断仪器的开发提供实用的融合方法和理论基础。