论文部分内容阅读
柑橘黄龙病,又称梢枯病,是赣南柑橘产业的一大威胁。目前,检测柑橘黄龙病主要采用基于黄龙病的叶片典型的症状的视觉侦测和聚合酶链式反应。相比于传统的检测技术,高光谱成像技术,作为新一代的光谱分析技术,同时提供物体的光谱及空间信息,具有快速、无损的优点,近几年在农产品无损检测研究中应用广泛。本论文以赣南脐橙为研究对象,目的是基于高光谱成像技术,提出有关柑橘黄龙病高光谱检测的依据以及途径。论文主要完成了一下几方面的内容:1)分析柑橘黄龙病叶片理化指标的差异性和柑橘黄龙病光谱响应特征,确定了柑橘黄龙病高光谱检测机理。首先,将叶绿素、淀粉、可溶性糖三个理化值结合绘制了散点图。可以看出,三类叶片分别呈现了聚类的现象,表明叶绿素、淀粉、可溶性糖可以作为鉴别黄龙病叶片的特异性指标。采用方差分析和最小显著性差异多重比较分析分析三类指标之间的差异,结果表明三类理化指标存在显著性差异(P<0.05),并且表现在它们的高光谱反射率光谱有一定的响应特征。但单独通过一种理化指标是无法将黄龙病叶片、正常叶片、缺素叶片区分开的,必须将三指标合并共同用于柑橘黄龙病的光谱诊断。2)利用高光谱成像技术实现了柑橘黄龙病高光谱定性判别。根据叶面积比例选择感兴趣区域(ROI),并提取ROI的平均光谱,建立了Fisher判别模型。马氏距离法和遗传算法用于特征波段的提取,优化模型。留一交叉验证法来验证模型的可靠性。最后,确定了基于马氏距离法显著波段提取后的Fisher判别模型为最优模型,初始组的总体判别正确率为93.8%;留一交叉验证组的总体判别准确率为93.3%。3)基于高光谱成像技术建立了叶绿素、淀粉及可溶性糖的最优定量模型。连续投影算法(SPA)和竞争性自适应重加权算法(CARS)筛选的特征波长用于建模,大大减少了自变量的数量,从而简化了模型,并且优化了模型结果。对比SPA和CARS的结果,可以看到,SPA筛选的特征波长数量较少,CARS筛选的特征波长数量较多,但建模效果较好。最终,都确定了CARS-PLS模型为最佳模型。叶绿素、可溶性糖及淀粉的建模集及预测集相关系数分别为0.98、0.93;0.88、0.75;0.80、0.81。4)基于叶绿素、淀粉和可溶性糖的最优检测模型,结合最小二乘判别法(PLS-DA),实现了柑橘黄龙病高光谱定量判别。在PLS-DA建模过程中,分别取正常叶片和黄龙病叶片、黄龙病叶片和缺素叶片的设定值中点为阈值,分别为1.5和2.5。测量值小于1.5为黄龙病叶片,大于1.5且小于2.5为正常叶片,大于2.5为缺素叶片。建模集的相关系数rc为0.92,标准差(SEC)为0.32,总体判别正确率为为91.3%;预测模型相关系数rp为0.91,预测均方根误差(SEP)为0.30,总体判别正确率为88.6%。