基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。     

集成GPRS、GPS、ZigBee的土壤水分移动监测系统

为了实现土壤水分数据的实时采集、处理、可视化与上传,开发了移动式土壤水分监测系统。系统由集成ZigBee协调器、GPS模块、GPRS模块的PDA和基于ZigBee的土壤水分传感器移动节点组成。ZigBee模块主要用于PDA和移动传感器节点间的无线通信,使PDA能无线获取土壤水分传感器信息,并能控制传感器供电电源的通断。GPS模块用来实时获取传感器的位置信息,为绘制土壤水分时间和空间分布图以及为精细灌溉决策系统提供支持。GPRS模块用来将绑定的节点号、经纬度信息、土壤水分信息通过TCP/IP协议上传至互联网远程上位机,以实现土壤水分时空变异的远程监测。系统既能在PDA内存储信息又能上传互联网,具有良好的便携性和可视性。性能试验结果表明,系统可实时准确远程传输测量数据,内嵌软件根据测量结果绘制的土壤水分空间变异分布图可有效指导精细灌溉。     

基于光谱学原理与小波包分解技术预测苹果树叶片氮素含量

为探索不同生理物候期苹果树叶片氮素含量的快速检测方法。分别在果树坐果期、生理落果期和果实成熟期,使用光谱仪测量了果树叶片在可见光和近红外区域的反射光谱,同时在实验室测定了果树叶片的全氮含量。研究首先将实验所得的光谱反射率与氮素含量以果树为单位进行聚类,利用小波包分析技术对每棵果树的光谱信息进行分解,提取出的低频信号和去除高频噪音后的信号分别组成了低频全光谱和去噪全光谱。针对这两个全光谱均实施了主成分分析,利用提取主成分分别建立了果树不同生长阶段的氮素含量多元线性回归模型。对比基于归一化植被指数（NDVI）建立的氮素含量估测模型发现,利用全光谱信息建立的氮素含量预测模型精度更高;在坐果期和果实成熟期,使用去噪全光谱提取的主成分建立的氮素预测模型最优;而在生理落果期,使用低频全光谱提取的主成分建立的模型最优。结果表明,利用小波包分析技术能够有效地提高苹果果树叶片氮素含量的光谱预测能力。     

苹果叶片氮素含量快速检测模型

利用UV-2450型光谱分析仪测量苹果叶片光谱反射率,同时在实验室利用凯氏定氮法测量苹果叶片的氮素质量比,建立了适用于便携式检测仪的苹果叶片氮素含量快速检测模型.研究了苹果叶片光谱特性并进行了光谱反射率与氮素的相关性分析,获得了两个氮素敏感波长652 nm和772 nm.同时,利用分段减量精细采样法,构建了350 ～ 730 nm与740～880 nm波段内所有两两波段形成的归一化植被指数NDVI,并获取了与氮素含量相关性最高的波段组合(859 nm,364 nm)来构建苹果树NDVI.最后建立了基于苹果树NDVI、652 nm处反射率以及772 nm处反射率的偏最小二乘回归模型,建模精度达到0.904 8,均方根误差为0.159 7,检验模型精度达到0.917,均方根误差为0.283 3.     

基于GPS和PDA的移动智能农田信息采集系统开发

根据精细农业发展的需要,开发了移动智能农田信息采集系统。系统以掌上电脑(PDA)为平台,集成了ZigBee协调器模块、GPS OEM模块和GPRS模块。ZigBee协调器模块用于管理农田无线传感器网络,通过农田无线传感器网络采集农田信息,应用无线节点进行数据的采集;GPS模块用于采集并管理各采样点的位置信息,并通过虚拟差分站VRS接收GPS位置的差分信息以提高定位精度;GPRS模块用于在申请差分信息和与上位机通讯时建立远程无限网络连接。使用VC语言开发了嵌入式应用模块,实现了无线传感器的农田信息、GPS的     

基于光谱特征分析的苹果树叶片营养素预测模型构建

该文旨在利用光谱分析技术建立高精度苹果叶片营养素预测模型,为苹果树的精细管理提供技术支持。在苹果树年度生长周期的坐果期、生理落果期和果实成熟期等重要物候期,采集了180个果树叶片样本并测量了果树叶片在可见光和近红外波段的反射光谱,同时在实验室采用化学方法获取了果树叶片的氮素以及叶绿素含量。对于聚类后样本,分别分析了果树叶片反射光谱以及经小波滤波后的反射光谱与叶绿素以及氮素之间的相关关系,而后利用偏最小二乘和支持向量机（SVM,support vector machine）方法分别建立了果树叶片叶绿素和氮素含量的回归模型。研究发现,随着生长阶段的推进,在可见光处的反射率逐渐升高,在近红外处的反射率逐渐降低,且基于小波滤波反射光谱的营养素SVM回归模型精度最高：建立的叶绿素回归模型,其测定系数R2达到0.9920,均方根误差 RMSE为0.0039,验证精度R2达到0.9036,RMSE为0.1979;建立的氮素回归模型,其测定R2和验证R2也达到0.74以上,模型的回归RMSE为0.0554,验证RMSE为0.1215。结果表明,采用支持向量机回归模型可以精确估计果树叶片叶绿素含量,对氮素含量的估计精度也达到了实用化水平。     

基于无线传感器网络的温室栽培营养液电导率监测系统

温室营养液无土栽培,具有节约种植成本、生产效率高等优点.监测营养液的电导率、pH值等特性参数,是实现营养液无土栽培信息化与自动化的基础.为了实现温室无土栽培营养液的实时监测,开发了基于无线传感器网络(wireless sensor network, WSN)的营养液电导率实时监测系统.系统以JN5139为中央控制器同时控制营养液电导率信息采集单元和无线通讯单元,实现了营养液电导率信息的实时采集与处理、LCD显示和键盘输入等人机交互操作以及基于WSN的营养液电导率实时测量自组织网络,同时系统集成了GPRS模块,实现了营养液电导率与温度信息的远程传输与监控等功能.系统采用星型网络拓扑结构,并进行定时休眠、传感器掉电控制来节省能源消耗.针对系统的实用性和可靠性进行了系统标定、温度补偿以及温室试验,分析比较了电导率测量线性与非线性模型.试验结果表明分段线性模型建模效果较好,分段拟合R2均在0.97以上.系统的测量范围为0.5~2.9 mS/cm,测量结果能够精确到0.01 mS/cm,总体测量相对误差为2.10%,较好地满足了温室营养液电导率实时监测的要求,为无土栽培的科学管理提供技术手段.     

基于反射光谱的苹果叶片叶绿素和含水率预测模型

为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。     

基于ZigBee和PDA的农田信息无线传感器网络

为了实现农田信息的实时采集、处理与可视化,缩短数据采集和处理间的时差,开发了基于ZigBee和PDA的农田信息无线传感器网络。系统由集成ZigBee协调器的PDA和带传感器的路由节点组成。通过无线传感器网络,用户手持PDA可实时动态访问田间信息,并控制传感器的供电电源开关,以节省功耗。采集的田间信息包括土壤水分、土壤温度、土壤电导率、空气温湿度。其中土壤温度、空气温湿度传感器为数字式传感器,土壤水分、土壤电导率传感器为模拟传感器。节点通信距离试验表明,正常工作条件下,40 m距离的丢包率只有0.092,满