农药残留检测方法及光谱技术在生菜农残检测中的应用

蔬菜农药残留给人们健康饮食带来很大安全隐患。为此,综述了几大类农药残留检测方法:活体测定法、理化检测法、快速检测法和光谱检测法,分析了它们各自特点。同时,基于光谱技术对生菜叶片上的农残进行了检测试验,比较了有农残叶片光谱与无农残叶片光谱,并通过PCA算法进行光谱特征提取,结合学习向量量化神经网络建立农残鉴别模型,取得了较好的鉴别结果。     

生菜叶中磷含量的光谱定量分析

为快速、准确检测生菜叶内的磷含量,提出了应用光谱技术结合化学计量法无损检测生菜叶内磷含量的方法。通过获取不同施磷量下生菜叶片于波长350~2500nm处的反射光谱,对光谱数据进行5点平滑和一阶导数变换后,利用联合区间偏最小二乘算法（siPLS）提取了与生菜叶磷元素相关的4个特征波段,即950~1070nm, 1430~1549nm,1906~2025nm和2144~2263nm。进一步利用连续投影算法（SPA）对全光谱波段和4个特征波段进行特征波长提取,分别筛选出变量63个和25个。分别对4个特征波段、63个和25个特征波长进行主成分降〖JP2〗维,当主成分数分别为7、5和4时,隐含层神经元数分别为7、5和3时,建立了siPLS+BPANN,SPA+BPANN,siPLS+〖JP〗SPA+BPANN生菜叶磷含量检测模型。研究结果表明：siPLS+SPA+BPANN模型的预测结果优于其他模型,验证集相关系数为0.911,验证均方根误差为479mg/kg。     

油菜氮素的高光谱特征补偿和组合模型研究

[目的]探索油菜氮素光谱分析中水氮交互的解耦方法。[方法]提出了利用反射率特征补偿和组合模型分析法对水分因素对氮素检测的影响进行补偿的方法,并分别建立了氮素光谱分析模型。[结果]利用特征补偿法和模型分类组合分析法进行修正的氮素诊断模型的预测值与实测值的相关系数R分别为0.89和0.91,均方根误差（RMSE）分别为2.94和1.47。[结论]利用模型分类组合分析法能够有效地对水氮交互进行解耦,油菜氮素的定量分析效果较好。     

昆虫神经系统和神经干细胞的研究进展

昆虫的神经系统属于腹神经索型,控制着激素分泌、进食、运动以及支配内脏器官的活动,与脊椎动物的神经系统相比较,其结构简单易于实验操作。对昆虫神经系统的研究,可发现特异性靶标细胞,用于开发新型环保杀虫剂等。此外,昆虫神经干细胞的分裂、分化调控机制与脊椎动物甚至人类有很多的相似性,因而对昆虫神经干细胞的研究可为人类退化性神经疾病研究提供借鉴。本文着重阐述昆虫特别是果蝇的神经系统结构,神经细胞的类型,成神经细胞(neuroblasts,NBs)以及神经干细胞分裂、分化调控机制等方面的研究进展,期望能为开展家蚕神经干细胞的研究提供参考。     

利用太赫兹光谱技术构建番茄水分胁迫状态检测模型

快速检测番茄水分胁迫状态，对于科学有效地进行番茄的水肥管理，保障和提高番茄的产量和品质具有重要意义。该文利用太赫兹光谱对水分极为敏感的特性，提出了基于太赫兹光谱技术的番茄水分胁迫状态的快速检测方法。试验利用太赫兹光谱系统获取不同水分胁迫番茄叶片的功率谱、吸光度及透射率频谱数据。采用（Savitzky-Golay, SG）算法对数据进行降噪，利用稳定性竞争自适应重加权（Stability Competitive Adaptive Reweighted Sampling, SCARS）算法进行了多维特征频段的提取；在此基础上，建立了叶片含水率功率谱、吸光度及透射率等单一维度下的多元线性回归（Multiple Linear Regression, MLR）模型。结果表明，太赫兹功率谱和吸光度与叶片含水率之间呈负相关；而透射率则随水分胁迫程度的提高逐渐升高，呈正相关。为了进一步提高模型的精度，使用支持向量机（Support Vector Machines, SVM）在融合3种维度太赫兹特征的基础上，建立了番茄含水率的融合预测模型，结果表明，预测集R2达到0.951 4，RMSE为0.366 8，均高于单一维度检测模型，实现了番茄水分的快速检测。     

基于高光谱图像光谱与纹理信息的生菜氮素含量检测

高光谱图像包含丰富的光谱与图像信息,该文基于此试图构建生菜氮素检测模型。利用高光谱图像采集系统获取可见-近红外(390~1 050 nm)范围内的生菜叶片高光谱图像,同时利用凯氏定氮法获取对应叶片的氮素值。将光谱反射值较大波长图像与反射值较小波长图像相除并用阈值化法构建掩膜图像,获取感兴趣区域(ROI,region of interest)。由于高光谱数据量大、且数据间冗余性强,因此如何有效的提取一些特征波长十分重要。该文采用主成分分析(PCA,principal component analysis)对原始高光谱图像进行处理,根据前3个主成分图像(PC1、PC2、PC3)在全波长下的权重系数分布图选出662.9、711.7、735.0、934.6 nm 4个特征波长及对应的光谱特征,并且分别提取4个特征波长图像、主成分图像PC1、PC2、PC3在ROI下的基于灰度共生矩阵的纹理特征,最后利用支持向量机回归(SVR,support vector machine regression)分别建立生菜叶片基于特征波长光谱特征、特征波长图像与主成分图像的纹理特征及光谱纹理融合特征与对应氮素值之间的关系模型。结果表明,在校正性能指标决定系数R2C上,基于光谱特征+特征波长图像纹理特征的模型较好,R2C=0.996,校正集均方根误差RMSEC为0.034;在预测性能指标决定系数R2P上,基于光谱特征的模型较好,R2P=0.86,预测集均方根误差RMSEP为0.22。该研究结果可为农作物氮素的快速、无损检测提供一定的参考价值。     

施肥量对生菜养分与长势的影响及模型模拟

为了研究不同施肥制度对设施生菜长势及产量的影响,将样本分为氮磷钾重度缺失、中度缺失、轻度缺失、正常及过量施用13个处理.在整个生育期利用机器视觉技术连续获取生菜冠层主视及俯视图像,提取与生菜长势显著相关的冠幅投影面积、冠幅周长及株高信息.利用灰色系统理论,研究生菜养分质量分数、长势及产量三者间的灰色关系.不同营养对生菜长势影响从大到小依次为氮,磷,钾,进一步分析了不同施氮条件下,生菜体内的磷钾质量分数及产量的变化规律,当产量达到最大时,氮磷钾3种元素质量分数分别为4.83%,0.63%和2.82%,且氮磷钾元素间存在一定协同交互作用.结合环境信息和生菜“慢-快-慢”的S型生长规律,建立了3个生长时期的养分质量分数与长势关系模型,为指导设施生菜科学施肥,高产栽培提供依据和理论指导.     

温室生长信息和环境信息多传感检测系统设计

我国设施农业发展迅速,目前对作物长势信息检测主要依靠传统判别方法,但是传统长势信息判断存在主观性强、费时费力等弊端,因此设计了适用于温室高架栽培作物的轨道式移动检测平台,该平台通过搭载作物生长和环境信息多传感检测装置,可实现对高架植物的茎、果、叶长势和冠层-空气温差等生长信息,以及环境温湿度、光照强度等气象环境因子进行监测.为了适应温室行走环境,提高行走的稳定性,移动检测平台采用轨道式移动机构设计,即利用温室加热管道作为轨道,以确保机构的稳定行走,对平台的运动功能进行验证,绝对误差最大值为7.2 mm,相对误差为0.72％.移动检测平台采用高举升升降机构,结合5自由度机械臂系统将传感器放到所需位置,将实际测量高度值与标准高度位置值进行数据对比分析,绝对误差最大值为0.83 mm,相对误差为0.78％,因此能精准地将所要使用到的传感设备放到所需的高度和预定位姿.     

基于MFICSC算法的生菜图像目标聚类分割

生菜图像目标分割是基于图像处理的生菜生理信息无损检测的前提。为了解决因生菜富含水分使得图像采集镜头反光而导致生菜叶片图像灰度分布不均的问题,该文采用一种修正的图像灰度均衡算法对生菜图像进行灰度均衡处理,应用混合模糊类间分离聚类算法(MFICSC)进行生菜图像目标分割,使总体类间距离最大化,能够同时生成模糊隶属度和典型值,对处理噪声数据和克服一致性聚类问题均表现良好。分别采用MFICSC算法和Otsu算法进行了生菜图像目标分割对比试验,结果表明MFICSC算法具有较好的聚类准确度,效果优于传统Otsu分割算法。     

基于多信息融合的番茄冠层水分诊断

为精确、快速、稳定地测定番茄植株含水率并能全面检测其水分胁迫程度,该文通过将番茄冠层的反射光谱、多光谱图像、冠层温度特征及环境温湿度进行多信息融合,评判其水分胁迫状况。通过去除冠层光谱噪声波长,并进行相关性分析,确定950～1080nm、1170～1300nm、1370～1500nm、1600～1730nm和1860～1980nm为5个相关性较高的波段,并利用逐步回归,进一步筛选出1026、1247、1431、1640、1910nm为特征波长。对获取的中心波长为810nm近红外图像和560nm可见光图像进行3×3窗口的中值滤波,采用最大类间方差法进行图像分割,计算图像的平均灰度。获取番茄冠层温度,并结合环境温湿度信息,建立番茄的冠气温差模型和水分胁迫指数模型。将5个特征波长、单通道的近红外和可见光图像的灰度均值和CWSI作为多信息融合的输入,利用偏最小二乘-神经网络回归分析并进行了验证,最终得到实测值与预测值的相关系数为0.9364,验证均方根误差为10.6713,平均误差为7.6714%,拟合方程斜率为0.9615。多信息融合模型的各项评价指标均好于单一信息模型。