论文部分内容阅读
水分作为作物生长发育所必需的要素,实时、无损而又精准的获取作物的水分信息,可以实现作物水分合理灌溉从而提高用水效率,达到作物增产以及缓解我国水资源紧张等问题。本研究以作物叶片为研究对象,采集叶片太赫兹图像,利用烘干法测量其含水率,通过PCA法提取叶片水分敏感波段,结合图像处理技术,利用化学计量学方法建立了叶片水分预测模型,并基于此,采用图像分层算法,并结合数学建模等方法探究了叶片水分含量变化、失水速率以及水分分布等叶片内部失水机理情况。搭建了太赫兹成像检测光谱系统,并完成系统硬件部分的组装和软件部分的调试。采用透射式检测方式,选定好光程中间点作为样品焦点位置,使得太赫兹光谱所采集的样本图像更为清晰,成像对比度更为明显,实现叶片水分信息的太赫兹信号采集。利用太赫兹成像检测系统分别测量大豆和大椒这两种作物的全叶片太赫兹光谱,提取出不同成像模式下的特征参数,采用PCA法对频域谱数据进行降维处理,挑选出水分敏感波段0.557 THz、1.098 THz、1.163 THz,并结合相关性分析法进行分析,通过MLR分别建立了大豆、大椒叶片样本的含水率预测模型,分析模型结果。结果表明,基于A0.557+A1.098+A1.163模型的预测效果最好（大豆:Rc2=0.9141,RMSEC=0.0925,Rp2=0.9179,RMSEP=0.0702;大椒:Rc2=0.9187,RMSEC=0.0871,Rp2=0.9158,RMSEP=0.0839）。说明采用太赫兹技术测量作物叶片水分方法具有一定的可行性,且模型预测效果较为理想。通过在太赫兹成像技术的基础上,以“中黄13”大豆作物叶片为样本,采用图像处理技术,结合MLR、BPNN和LS-SVM这3种回归模型建立大豆叶片含水率预测优化模型,对比分析各预测模型性能。结果表明,G3模型组建模效果最好,且基于G3的LS-SVM模型的校正集和预测集的R2和RMSE分别达到0.9678、0.9636、0.0578和0.0582。研究表明结合图像处理手段和化学计量学建模方法来检测叶片中的含水率这一方法,可以有效地提高叶片含水率的测量精度,为作物叶片水分含量检测研究提供了一种新的方法和思路。利用太赫兹成像技术采集大豆叶片在失水条件下的太赫兹图像,通过处理和分析叶片图像,提出了一种基于类火焰结构的叶片分层算法,并结合数学建模等方法研究叶片内部失水机理变化的情况。结果表明,叶片内部第21、22和23这三层的水分含量变化与叶片真实含水率变化情况具有较高的相关性,其系数达到0.99;当叶片含水率达到4045%时,该水分区间可作为一个叶片含水率失水节点;通过数学建模方法得到叶片水分模型函数:z=-0.002537x5+0.0634x4-0.4389x3+0.02628x2y-0.254xy-0.0641y+80.36,函数模型校正集和预测集的R2和RMSE分别为0.9887、0.9823、0.0229和0.0300。说明基于太赫兹成像技术,可以动态的探究叶片水分含量变化、失水速率以及水分分布情况,为叶片失水机理研究及作物抗旱育种研究等奠定了一定的科学依据和理论基础。