冬小麦苗期叶绿素含量检测光谱学参数寻优

光谱分析技术是作物生长检测的主要手段,为了解决大田漫反射采集所造成的光谱基线漂移和偏移问题,研究采集了冬小麦冠层325~1 075 nm范围反射光谱,采用多元散射校正方法对小麦原始光谱进行预处理。采取遗传算法对光谱特征参数寻优并结合相关分析结果,选取486、599、699和762 nm波长处反射率值并组合计算了RVI(ratio vegetation index),DVI(difference vegetation index),NDVI(normalized difference vegetation index)和SAVI(soil-adjusted vegetation index)共12个植被指数,分析了各植被指数与叶绿素含量值之间的相关关系,结果显示:DVI和SAVI可抑制苗期土壤背景干扰并对叶绿素含量响应较为敏感,与叶绿素含量相关性最优的参数分别为DVI(762,599)、SAVI(762,599)、DVI(762,699)和SAVI(762,699),与叶绿素含量的相关系数都达到0.6以上。基于相关性最优光谱植被指数DVI(762,699)和SAVI(762,599)利用最小二乘-支持向量回归建立冬小麦叶绿素含量预测模型,建模集决定系数为0.681,验证集决定系数为0.611。该模型可用于无损检测冬小麦苗期叶绿素含量,以期为后续施肥决策提供支持。     

基于ARM7和GPS的农田作业面积测量系统开发

为了实现实时测量农田作业面积的目的,该文基于ARM7和GPS开发了谷物联合收割机作业面积测量系统。优化了存贮器设计、COM口设计、GPS接口电路设计等系统硬件结构,并在C语言环境编写相应的驱动程序。试验结果表明,该系统能达到实时记录工作时间、工作地点、作业面积等信息的目的;同时,该装置不仅适合于规则图形的面积测量,并且对于不规则图形的面积测量也具有较高的精度,平均测量精度为95.2%,可为实时测量农田作业面积提供依据     

基于光谱特征参数的温室番茄叶片叶绿素含量预测

为了快速、准确估测温室番茄叶片叶绿素含量,提升作物精细管理水平,利用光谱分析技术研究了温室番茄不同生长阶段叶绿素含量和响应光谱的相关性,在幼苗营养生长阶段叶片叶绿素含量呈增长趋势,到移植50天前后达到最大值,在此期间反射光谱的红边会向红外方向（长波）偏移,同时绿峰向蓝光（短波）方向偏移,绿峰幅值减小。从结果期开始叶绿素含量呈下降趋势,而红边、绿峰及绿峰幅值向相反方向变化。为了定量分析叶绿素含量和叶片反射光谱间的关系,从自定义的68个光谱特征参数中提取了7个能反映叶绿素含量变化的最优参量,并使用逐步回归、岭回归、主成分分量回归和偏最小二乘回归消除了最优参量的多重共线性,建立了叶绿素含量预测模型,其中岭回归模型精度最佳,均方根误差（RMSE）为0.406,决定系数(R2)为0.839。     

基于ARM的农业装备共性参数测控系统

为满足多种信号实时采集与控制,分析了农业装备性能参数的特性,基于ARM嵌入式技术研制了具有共性参数检测能力、可满足农业装备综合性能参数检测需要的数据采集与控制系统。在S3C2410A和外围硬件电路构成的硬件平台上,利用多线程技术,开发了具有友好人机交互界面的应用软件。系统最多可提供34个测控通道,经计量和田间试验验证,模拟通道线性误差为0.38%、计数和计频通道误差为1Hz,其测试精度和可靠性满足农业装备的性能参数测量需要。该系统的研制有效提升了农业装备的性能检测手段,具有较高的实用性。     

基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法

为实现作物热害胁迫状态快速、无损和智能化识别,该研究设计了一套叶绿素荧光图像采集装置,并提出一种基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法。以不同热害阶段下的番茄苗叶片作为研究对象,通过搭建的叶绿素荧光图像采集设备获取具有单一背景的叶片原始荧光图像,将获取的12组荧光参数值结合Spearman等级相关性分析得到相关性最高的非调节性能量耗散的量子产量Y（NO）,对其进行图像预处理后构建番茄苗叶片热害图像数据集。对AlexNet模型进行改进,引入批量归一化（Batch Normalization,BN）方法加快模型的收敛速度,选择Mish激活函数提高模型的表达能力,同时使用全局平均池化层（Golbal Average Pooling,GAP）替换全连接层和深度可分离卷积替换传统卷积的方法减少模型参数量,以提升模型运行速度,通过Adam优化算法更新梯度。研究结果表明,改进AlexNet模型性能最优,平均识别精度达98.8%,平均测试耗时为11.6 ms,模型权重空间仅为1.13 MB。相比未改进AlexNet模型,平均测试耗时下降23.2%,模型权重空间下降99.5%。该研究为番茄苗早期热害胁迫检测和胁迫等级划分提供了一种方法,也为其他作物夏季热害监测和防控提供技术参考。     

基于ARM的变量喷药控制系统设计

为提高农药利用率,设计一套具有手动控制、自动控制和试验标定3种工作模式的变量喷药控制系统。该系统以ARM7系列的S3C44B0X微处理器为核心,在UCOS-Ⅱ操作系统环境下,使用C语言编程实现机具作业位置、行进速度、喷头入口压力以及喷头喷药量信息的采集与处理、网格识别和电动调节阀控制。喷头喷药量控制误差田间试验结果表明：喷药机以4.2 km/h（Ⅱ档中油门）速度工作,喷药处方量在465～600 kg/hm2范围内变化时,采用本系统完成变量喷药作业,系统喷头喷药量最大控制误差≤5%,满足变量喷药作业要求。     

基于ARM和GPRS的远程土壤墒情监测预报系统

为提高农业灌溉用水利用率、实现节水灌溉,设计了基于GPRS的无线土壤墒情监测预报系统。提出了一种土壤墒情监测预报模型,开发了以ARM9系列S3C2410处理器、GPRS模块和CS8900a网卡等组成数据采集系统,实现了对土壤墒情信息的自动采集、存储和墒情信息的无线网络传输,并可以根据墒情信息实施定时、定量的灌溉控制。该系统已投入国家农业示范基地使用15个月的时间,试验表明,该系统对土壤墒情的预报值与实际测试数据误差为3.39%,实现了对土壤墒情的有效监测和准确预报。     

基于高光谱图像的黄瓜叶片叶绿素含量分布检测

植物叶片叶绿素含量及分布是植物营养信息表达的重要指标。为了给大棚黄瓜营养元素的控制提供理论依据,该研究利用高光谱图像建立简单实用的光谱值和叶绿素含量关系的模型,从而实时、无损地检测叶片的叶绿素分布。选取黄瓜叶片的高光谱图像数据块中450~850 nm波段作为研究波段。选取8个具有代表性的植被指数,建立特征波长λ下相应的光谱反射值Rλ与黄瓜叶片叶绿素含量之间的关系模型。结果显示,基于最优指数(R695–705)-1-(R750–800)-1的模型可以很好地预测黄瓜叶片叶绿素的含量,校正集和预测集相关系数r分别为0.8410和0.8286,最小均方根误差RMSE分别为0.2045和0.2190 mg/g。最后根据最优模型预测叶片上任意位置叶绿素的含量,并通过伪彩手段描述叶绿素含量的分布。研究结果表明,利用高光谱图像技术分析黄瓜叶片叶绿素含量及其在叶面上的分布是可行的。另外,该研究确定的最优植被指数所包含的695~705和750~800 nm 2个波段可用于搭建更加简便实用的快速检测叶片叶绿素的便携式多光谱设备。     

温室番茄对水肥耦合的光合特性及叶绿素荧光参数响应

在河西走廊灌漠土日光温室滴灌施肥条件下,采用水肥双因素完全随机区组设计,研究了温室番茄对水肥耦合的光合特性及叶绿素荧光参数响应。结果表明:在番茄结果期,采用W2F1处理的番茄,田间持水率达75%~90%,氮、磷、钾肥以理论施肥水平N 400 kg hm-2+P2O5350 kg hm-2+K300 kg hm-2时,植株的光合速率最高可达到CO228.52μmol m-2s-1,明显高于其他处理;同时水分、肥料的交互作用对番茄产量的影响达显著水平,各处理产量的高低顺序为W2F1W2F2W1F1W1F2W2F3W1F3W3F1W3F2W3F3。在番茄的结果前期、中期和末期,番茄叶片Fo和Fv的变化因不同生长阶段所需养份不同而呈现出不同的变化;以处理W2F2的Fv/Fm和Fv/Fo值最高,Fv/Fm分别为0.73、0.80和0.83,Fv/Fo值分别为2.66、3.97和4.84。     

综合形态与叶片叶绿素含量的番茄壮苗指数筛选

为建立最佳的番茄秧苗壮苗指数,提高秧苗评判的准确度,该文以四叶一心番茄秧苗为研究对象,在测定11项秧苗指标的基础上,利用模糊综合评判法建立番茄秧苗综合评价指数,使用主成分分析进行指标筛选并组合构成多个番茄壮苗指数,通过综合评价指数与壮苗指数的相关分析筛选出适宜的壮苗指数并验证。结果表明：对300株样本进行统计分析,番茄秧苗综合评价指数为0.26～0.79,可全面概括秧苗的整体素质,能客观、准确地评价秧苗健壮程度;通过秧苗单一指标的主成分分析将各指标划分为形态指标、色素指标和株高3个主成分,表明秧苗的质量必须从形态、叶绿素含量和株高这3方面进行评价。从主成分中各选一种指标进行完全随机排列组合成25种壮苗指数,并筛选出与综合评价指数相关性较高且具有代表性的4种壮苗指数;并用3种不同品种番茄秧苗对其进行稳定性验证,其中壮苗指数“（总叶绿素/株高）?全株干质量”与综合评价指数相关性最大为0.797且极显著（P<0.01）,稳定性好、代表性强,可作为衡量番茄秧苗素质的推荐壮苗指数。以番茄秧苗的综合评价指数为分级依据,根据推荐壮苗指数将秧苗质量分为3个等级（等级Ⅰ（壮苗指数≥0.065）为优质苗,等级Ⅱ（壮苗指数：0.030～0.065）为合格苗,等级Ⅲ（壮苗指数≤0.030）为弱苗（幼苗或老苗））,各等级间差异显著,可以作为较好的判别指标。该研究表明可为番茄育苗生产提供参考,也可为其他蔬菜秧苗评判提供参考。     

基于反射光谱的植物群体叶绿素含量监测系统的研制

针对农业生产环境中植物群体叶绿素的监测,该文提出了一种基于可见-近红外反射光谱的植物群体相对叶绿素含量实时监测系统。系统以太阳光为光源,设计了特殊光路同时获得植物冠层反射的700和830 nm 2种波长光信号以及该2种波长光的入射信号。采用ZigBee协议搭建无线传感器监测网络,由终端节点将以上光路获取的4路信号进行采集和处理,并将其转发至协调器,进而由协调器发送至用户中心进行计算与存储。系统试验研究中测量的有效样本点共124个,将前36个点的两波长吸光度值与样本叶绿素指数值采用最小二乘法进行多元回归,建立定量分析模型,模型决定系数和标准差分别为0.919和9.26958;用后88个点建立预测集,模型预测值与标准值建立的线性函数决定系数为0.913,标准差为9.372,系统稳定性试验变异系数CV1.82%。结果表明,该系统可用于自然光照条件下群体叶绿素的准确测量与实时监测,为精细农业自动无损检测技术提供理论及实践基础。     

基于Dualex氮平衡指数测量仪的作物叶绿素含量估算模型

作物叶绿素含量的实时、无损及快速的监测,对及时掌握作物的胁迫状况、营养水平及环境适应性,进而对农田管理进行科学指导具有重要的意义。该研究论证是否可以通过Dualex氮平衡指数测量仪构建通用的叶绿素含量估算模型,以期实现叶绿素含量的快速及无损监测和估算。结果表明：1）Dualex估测叶绿素质量分数（Chl-M）和单位面积的叶绿素质量（Chl-S）具有较好的精度（决定系数R2分别为0.77和0.88）,与SPAD叶绿素仪的估算模型（R2分别为0.66和0.79）相比,模型精度更高;2）Dualex估测Chl-S的精度明显高于Dualex对Chl-M的估测精度,Dualex与Chl-M的关系需要考虑叶片厚度的影响,而Dualex与Chl-S的线性关系更加一致;3）构建的Chl-S通用模型的R2,均方根误差和标准均方根误差分别为0.88,4.80 mg/dm2和8.33%,模型的精度较高,并且通用模型的数据范围为12.2～105.6 mg/dm2,较大的数据范围适用于冬小麦和玉米各关键生育期Chl-S的估算。该研究为Dualex实现冬小麦和玉米叶绿素含量监测和估算提供校准模型,为及时了解作物养分状况及作物营养诊断提供了参考。     

基于多光谱图像技术的番茄营养素诊断模型

为了快速、准确估测番茄营养水平和生长状态,利用多光谱图像分析技术研究了温室番茄营养素含量和图像特征的相关性。在日光条件下采集了温室番茄叶片多光谱图像,并采用多尺度Retinex算法有效地解决了叶片平整度差异造成的图像质量退化问题。从颜色模型、比值植被指数和归一化差值植被指数出发,自定义了49个多光谱图像特征参数。结合相关性分析和系统聚类分析消除了多光谱图像特征参数的多重共线性,并提取了4个能反映叶绿素含量(SPAD指数)和全氮含量预测模型,其中SPAD指数模型的决定系数(R2)为0.8668,均方根误差(RMSE)为3.997;全氮模型的R2为0.7284,RMSE为0.5130。     

基于叶绿素荧光光谱的生菜硝酸盐含量检测

为了寻求生菜叶片硝酸盐含量的快速无损检测方法,该文利用叶绿素荧光光谱分析技术对生菜(Lactuca sativa L.)叶片硝酸盐含量进行检测研究。对比及分析500~550、650~715和715~800 nm 3个波段的叶绿素荧光光谱特征参数与生菜叶片硝酸盐含量的关系,得出650~715 nm波段的叶绿素荧光光谱特征参数与生菜叶片硝酸盐含量之间线性关系显著,决定系数R2为0.816,标准误差为0.147,以此建立的回归模型能够很好地反映生菜叶片硝酸盐含量与叶绿素荧光光谱特征参数的关系;将同批进行试验的30个样本作为回归方程的校验集,进行模型验证,预测值与实测值之间决定系数R2为0.752,表明回归模型对生菜叶片硝酸盐含量有良好的预测效果。研究结果为生菜叶片硝酸盐含量的快速无损检测提供参考。     

基于Hyperion影像的玉米冠层叶绿素含量估算

采用高光谱卫星数据进行玉米叶片和冠层尺度的叶绿素含量估算,对现代农业技术的发展有重要意义。首先,采用以α为倾斜度参数的双曲正切S型函数为基础的误差反向传播(back propagation,BP)算法前馈神经网络(hyperbolic tangent sigmoid function-back propagation,Htsf-BP)构建叶片尺度的叶绿素含量高光谱遥感估算模型;以几何光学辐射传输模型(4-scale模型)为理论依据,对叶片和冠层尺度的光谱转化函数进行推导,实现Hyperion影像冠层尺度光谱到叶片光谱的转化,同时获取叶片尺度叶绿素含量估算结果;最后,结合叶面积指数(leaf area index,LAI)进行冠层尺度叶绿素含量估算。结果表明:当隐含层结点数为6时,Htsf-BP神经网络法对叶绿素的估算精度最高,验证精度达78.68%;在波长750与980 nm处,采用光谱尺度转化方程进行模拟的冠层光谱与实测冠层光谱间的相关系数R2值分别达到了0.784和0.706;实测叶片尺度叶绿素含量与模拟结果间的相关系数R2值达0.726。该方法可为高精度快速估算叶片和冠层尺度玉米叶绿素含量提供参考。     

基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。