论文部分内容阅读
我国番茄种植面积居世界前三,研究番茄植株的快速无损检测方法,对提高番茄的产量和品质有指导意义。色度值a和光合速率是两项能够反映光合能力的光合指标,色度值a越低、光合速率越高,叶绿素含量越高,和蛋白结合对光能的吸收越强,光合能力越强,所以此次研究利用激光诱导荧光光谱系统和高光谱成像系统采用偏最小二乘法对番茄的色度值和光合速率进行建模,研究番茄叶片的无损检测技术。论文的主要研究内容和结论如下:(1)番茄叶片光合指标测量。此次研究选择光合速率和色度值作为光合作用指标,阐述了检测评价指标所用的设备和测量方式;番茄叶片荧光光谱信息与高光谱信息的采集,详细介绍了激光诱导荧光光谱系统的构成,说明了两种光谱数据采集的具体过程。(2)番茄叶片色度值荧光光谱模型与高光谱模型的建立。通过荧光光谱建立模型的评价指标为R~2=0.9816,RMSEP=0.1696<RMSEC=0.1743,预测后的残差值基本在±0.3之间;通过高光谱建立模型的评价指标为R~2=0.9595,RMSEP=0.4032>RMSEC=0.2743,预测后的残差值基本在±0.5之间。(3)番茄叶片光合速率荧光光谱模型与高光谱模型的建立。通过荧光光谱建立模型的评价指标为R~2=0.9928,RMSEP=0.2781<RMSEC=0.2805,预测残差值基本在±0.06之间;通过高光谱建立模型的评价指标为R~2=0.9739,RMSEP=0.3374>RMSEC=0.3261,预测残差值基本在±0.5之间。(4)荧光光谱与高光谱模型检测效果的对比分析。关于光合速率,两个模型的R~2分别为0.9982和0.9739,残差和绝对值分别为0.884和1.255;关于色度值,两个模型的R~2分别等于0.9816和0.9595,残差和绝对值分别为0.316和1.070。针对光合速率建立模型的稳定性要优于针对色度值建立的模型,在番茄无损检测上,荧光光谱技术相比于高光谱成像技术更加稳定和快速。