近红外光谱技术在家禽养殖领域应用现状

近红外光谱是一种快速光谱分析的新方法,伴随着光谱技术与化学计量法的发展,近红外光谱已广泛应用于农业、食品、医药、石油化工等行业,极大地提高了各行业信息化水平。基于近红外光谱在家禽养殖领域的应用现状,本文总结了近红外光谱技术的发展及其在饲料成分检测和禽肉检测中的应用。在饲料检测和家禽肉类检测方面,通过将禽肉样品的光谱信息与质量指标的参考值相关联,建立了预测饲料和待测肉类高精度、高稳定性的数学模型。与传统方法相比,近红外光谱技术具有信息量大、数据计算速度快等优点。本文还归纳了近红外光谱技术在饲料品质检测和肉类品质检测的应用现状,指出了近红外光谱在家禽养殖领域的大规模应用推广的可能性。同时指出近红外光谱技术存在的问题和未来发展方向,结果表明近红外光谱技术在饲料和畜产品检测领域具有良好的发展前景和应用价值。     

基于偏最小二乘法的新疆杏可溶性固形物含量的无损检测

利用近红外光谱无损检测技术,以成熟的库车小白杏为研究对象,先通过一阶导数混合标准正态变量变换法进行光谱预处理,再利用偏最小二乘法建立杏可溶性固形物含量预测模型。结果表明,最佳因子数为4,模型的相关系数为0.964 45,校正集标准偏差为0.215,预测集标准偏差为0.456时模型最佳。结果表明,基于近红外光谱技术测定杏的可溶性固形物含有具有可行性,可以为库车小白杏的无损检测提供重要参考与技术支持。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点，探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像，经过光谱预处理和特征工程后，采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合，基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法，建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve，AUC)分别为0.883 0和0.912 0，分类准确率均超过95%；提取出698和762 nm的特征波长组合，基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系

本试验旨在研究基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系。利用烘箱对豆渣进行不同温度(100、115、130℃)下不同时间(2、4、6 h)的热处理,采用NRC(2001)模型预测不同程度热处理豆渣的代谢蛋白质产量、可消化养分含量和能值,同时利用傅里叶变换红外光谱(FTIR)技术分析不同程度热处理豆渣的分子结构功能团特征,并分析它们之间的相关关系。结果表明:1)随着温度的升高以及加热时间的延长,豆渣的代谢蛋白质产量、可消化养分含量和能值呈现出降低的趋势。2)温度和时间对豆渣的分子结构功能团存在显著的互作效应(P<0.05)。3)酰胺Ⅰ带与结构性碳水化合物峰面积比值(AmideⅠ_STCHO)和酰胺Ⅰ带与总碳水化合物峰面积比值(AmideⅠ_CHO)可以共同作为预测因子估测瘤胃可降解蛋白质(R^2=0.35,P<0.05)、过瘤胃蛋白质(R^2=0.35,P<0.05)、小肠可吸收过瘤胃蛋白质(R^2=0.33,P<0.05)和瘤胃可降解蛋白质可合成菌体蛋白质(R^2=0.35,P<0.05)含量。综上所述,不同程度热处理豆渣的分子结构功能团与其代谢蛋白质产量、可消化养分含量和能值之间存在相关关系,初步证明可以利用分子结构功能团对热处理豆渣的营养价值进行快速分析和估测。     

基于无人机高光谱的水稻光合性能监测系统应用

水稻的光合性能与水稻的产量和品质密切相关,传统的水稻光合性能监测由人工完成,具有任务量大和效率低等缺点,高效、无损的监测作物长势,是现代化精准农业的要求。为此,以无人机搭载高光谱仪作为遥感技术平台,对水稻的光合性能进行研究分析,建立了估算水稻叶片类胡萝卜素(Car)含量的监测模型。测试结果表明:5组光谱参数与水稻样本叶片Car含量实测值的回归分析均达到显著相关水平,以SR(723,770)精度最高;进一步检验发现,水稻叶片类胡萝卜素含量实测值与SR(723,770)模型建立的估测值相关性更高,R~2达0.891 5,斜率更接近于1,具有更佳预测效果,可为水稻光合性能遥感监测提供技术支撑。     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法，以2016、2017年冬小麦田间试验为基础，通过对冠层光谱和地上部生物量的相关性分析，筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段，并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型，再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息，并显著降低了光谱维度，不同变换光谱的地上部生物量敏感波段个数在4~14之间；(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期，各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数；(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度，其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2，验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2，预测相对偏差为2.74。这说明，抽穗期是估算地上部生物量的最佳生育时期，且基于冠层一阶导数变换光谱，结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力，可用于地上部生物量的定量估算。     

基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究

针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R~2=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R~2=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R~2从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。