玉米生长铜铅污染信息光谱辨别研究

为辨别农作物所受重金属胁迫种类,以受重金属铜(Cu)、铅(Pb)胁迫的玉米叶片为研究对象,利用ASD地物光谱仪获得叶片高光谱数据,通过分数阶微分(FD)对原始光谱数据进行处理,采用竞争性自适应重加权采样法(CARS)提取特征波段,最后通过多层感知机(MLP)、K-最近邻(KNN)、支持向量机(SVM) 3种模型对受胁迫的叶片光谱进行辨别,选择最优的MLP构建的FD-CARS-MLP模型,进行玉米生长铜铅污染信息光谱辨别。结果表明,FD-CARS-MLP模型对于受胁迫叶片光谱辨别的能力相较于传统方式有所提高,试验集辨别精度均可达到98%以上,0.1、0.2阶分数阶微分辨别精度可达到99%以上。选取苗期与抽穗期的玉米叶片,对其进行FD-CARS-MLP模型的可行性测试,经验证可得,FD-CARS-MLP模型辨别受重金属胁迫玉米叶片光谱数据的精度更高且更稳定,可为监测谷类作物不同重金属胁迫提供技术与方法。     

基于旋翼无人机的农业低空高光谱遥感技术研究

低空高光谱遥感技术是一种新型技术,其可以搭载在旋翼无人机平台之上,被广泛应用于农业领域中,以实现对大面积农作物光谱信息进行精确和实时的快速检测。但由于其建立的统计模型主要是将地物光谱信息和卫星遥感影像数据直接结合,导致模型的精度容易受到一些外在因素的影响,如时间、地点、对象、图谱的特异性等,使其在现代化农业发展中还难以实现有效推广。基于此,笔者围绕低空高光谱遥感技术在农业方面的应用展开研究。研究结果表明,运用无人机低空高光谱遥感技术,能够更为方便和快捷地收集农作物信息数据,掌握各种农作物的生长情况,能够减少实际成本,有效克服传统航天技术存在的相应问题,极大地促进了现代农业的发展。     

便携式蔬菜叶片重金属镉含量无损检测仪设计与试验

针对蔬菜叶片重金属镉检测传统方法存在的检测仪器体积大、检测成本高和具有破坏性等问题,提出一种基于可见光-近红外波段光谱蔬菜叶片重金属镉检测方法,并设计了一款无需预处理、检测速度快、体积小且便于携带的重金属镉检测仪,能够适用于移动式的现场检测.配置4个重金属镉胁迫梯度(0、1、3、5 mg/L)营养液,培育各镉胁迫的生菜...     

蔬菜重金属污染效应分析

随着我国工业化建设进程的加快,以及城市化建设领域的不断发展,我国土壤遭受了严重的污染,蔬菜质量受到了不同程度的影响,其中最主要的就是重金属物质的影响。文章主要概述了重金属物质对蔬菜正常生长的影响,并提出切实可行的防治措施,旨在帮助农业领域的工作人员有效治理农田现状,为我国和人民提供更多优质的农作物产品。     

绿色农业种植技术推广的思考与探究

农业经济一直以来都是我国经济发展的重要内容,具有悠久的种植历史,所种植的农作物不仅供应本国需求,还大量对外出口,促进我国农业经济贸易的发展.但是随着工业化进程的加快,我国农业经济的推行受到了极大的限制,加之环境污染的日益严重,给农产品质量带来了极大的威胁.为了能够使这一问题得到有效解决,国家方面也针对此制定了相应的发展...     

水分调节对施用生物炭土壤重金属Cu形态的影响研究

为研究生物炭、水分调节措施对污染土壤重金属有效性的影响,从而为利用水分调节措施进一步提高生物炭修复重金属污染土壤效果提供理论依据,以施用生物炭的重金属污染土壤为研究对象,研究了水分调节对施用生物炭土壤重金属形态的影响。研究结果表明：增加土壤水分含量,可以降低施用生物炭土壤可交换态重金属铜含量,促进可交换态重金属铜向可氧化态、可还原态铜转化;尤其是在100%田间持水量条件下,供试土壤可交换态重金属铜含量比对照低18.52%、可氧化态铜比对照增加17.48%、可还原态铜比对照高16.64%,与对照相比均差异显著（P<0.05）,而残渣态与对照相比差异不明显。由此表明,利用水分调节措施可降低施用生物炭土壤可交换态重金属含量,降低土壤重金属生物毒性,提高生物炭对重金属污染土壤的修复效果。     

玉米叶片铜铅胁迫高光谱识别研究

为了区分玉米叶片重金属胁迫种类,提出一种基于高光谱的铜铅胁迫识别方法。分别以叶片0.1~2.0阶分数阶导数(FOD)光谱中红边位置与任意两波长处的光谱值构建玉米叶片的红边铜铅敏感指数(RECLSI)集群,计算各集群中指数与胁迫类型的相关系数,以相关系数最大值、最小值对应的RECLSI构建铜铅识别特征(CLIF),在CLIF的二维分布出现与胁迫类型相关的聚类时建立胁迫识别界限(SIB),从而实现铜铅胁迫识别。研究表明：各RECLSI集群中指数与胁迫类型相关系数的最大值、最小值随FOD光谱阶次的增加分别呈先升后降、先降后升的趋势,其中相关系数最大值、最小值的极点分别出现在1.3、1.4阶FOD光谱对应的RECLSI集群中;0.7~1.5阶FOD光谱的CLIF二维分布呈现出与胁迫类型相关的聚类,根据CLIF-SIB能够不同程度地实现铜铅胁迫识别;1.2阶FOD光谱的CLIF-SIB识别效果最好,试验集精度为100%,验证集精度为81.25%。基于FOD光谱的CLIF-SIB玉米叶片铜铅胁迫识别方法在部分阶次能够获得良好且稳定的识别结果,具有可行性和有效性。     

铜胁迫下玉米叶片光谱谐波振幅特征与胁迫程度判别

为探测重金属铜污染胁迫对玉米叶片光谱的影响,判别玉米植株受铜污染胁迫的程度,在地面设置了11个梯度铜胁迫玉米盆栽实验,获取了玉米在出苗期、拔节期和出穗期的老叶光谱、叶绿素含量以及出穗期叶片铜含量,阐述了利用前3次谐波子信号振幅C1、C2与C3探测玉米叶片光谱弱畸变的机理,并选取出苗期、拔节期和出穗期玉米老叶光谱480～670 nm与670～750 nm两波段进行谐波分析,解析了前3次谐波子信号振幅C1、C2、C3与铜胁迫梯度间的规律。研究得出:出苗期,在Cu(100)到Cu(1200)梯度范围内,随铜胁迫程度增加,玉米老叶光谱在480～670 nm与670～750 nm两波段的谐波振幅C1逐渐增大,利用谐波振幅C1可以判别与区分玉米植株受铜胁迫程度;拔节期,在480～670 nm与670～750 nm两波段、所有设置胁迫梯度内,谐波振幅C1、C2、C3特征变化规律不明显;出穗期,从Cu(50)到Cu(1200)梯度范围内,除Cu(1000)外,在480～670 nm波段的谐波子信号振幅C1随胁迫梯度增加而增大;玉米出苗期与出穗期是利用谐波子信号振幅特征进行铜胁迫程度判别与分析的最佳生长阶段。     

玉米叶片重金属铜污染的ED-T-DSGA光谱分析模型

监测农作物的重金属污染和污染程度是高光谱遥感研究的一个热点。通过盆栽玉米的不同Cu~(2+)胁迫梯度实验,在测定玉米叶片光谱和Cu~(2+)含量的基础上,针对不同Cu~(2+)胁迫梯度下玉米叶片光谱仍具有极高相似度以及传统光谱测度方法难以区分污染程度的问题,进行相似光谱的差异性有效区分方法研究。结合欧氏距离(ED)与光谱微分梯度角(DSAG)的正切处理,提出了一种基于光谱相似性测度的ED-T-DSGA光谱分析模型,并通过传统光谱测度方法应用比较、谐波分析(HA)技术和5种HA分解次数下的光谱重构结果分析,验证了ED-T-DSGA分析模型在区分极度相似光谱的微小差异上具有可行性与有效性。同时,ED-T-DSGA分析模型可用于测度不同Cu~(2+)胁迫梯度下玉米叶片光谱间差异与污染程度。实验结果表明,ED-T-DSGA分析模型值越大,Cu~(2+)胁迫梯度越大,玉米的重金属铜污染越严重;并且基于ED-T-DSGA分析模型进一步提取到"黄边"、"红谷"、"红边"和"近峰B"为Cu~(2+)胁迫光谱响应的有效波段,这些敏感位置可为监测Cu~(2+)污染程度提供有利依据。     

农田土壤Cd污染与治理的研究现状

土壤是人类赖以生息的自然资源,当土壤受到重金属污染,会影响农作物的生长,同时还会通过食物链危害人体健康。阐述农田土壤重金属Cd的污染概况,详细介绍对土壤重金属Cd的修复改良技术的研究情况,以期为农田土壤修复提供理论参考。     

基于可见/近红外高光谱的八角茴香与莽草无损鉴别

基于高光谱成像技术提出了一种八角茴香与其伪品莽草的快速鉴别方法。实验采集400~1000nm范围的高光谱数据,依据样本和背景像素点的光谱特征差异,选择850nm和450nm下的图像并进行差运算,结合阈值法去除背景信息,利用线性拉伸去除样本高度引入的阴影噪声像素点,再结合二值图像区域标记法从样本高光谱数据中自动提取其平均光谱数据;利用平均光谱数据,采用连续投影算法（Successive projections algorithm, SPA）选取了4个最优波长：533、617、665、807nm;基于最优波长下的光谱数据,建立了偏最小二乘判别（Partial least square discrimination analysis,PLSDA）模型,模型对鉴别八角和莽草的总体准确率为98.4%;利用所建多光谱模型对外部验证集数据进行预测,总体分类准确率为97.9%。利用常规图像处理技术同时对外部验证集数据进行处理,并对两种技术方法进行了比较,结果表明,依托高光谱成像技术建立的八角和莽草辨识的多光谱分析方法简单、高效,易于实现动态在线便携式检测。     

基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别

提出一种基于可见-近红外光谱技术的无损检测方法，以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像，并利用HSI软件提取光谱数据。使用Savitzky Golay（SG）平滑与多元散射校正（multiple scattering correction，MSC）叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器（stacked autoencoder，SAE）、连续投影算法（successive projections algorithm，SPA）和变量迭代空间收缩算法（variable iterative space shrinkage approach，VISSA）进行数据降维。利用Softmax与支持向量机（support vector machine，SVM）算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优，其训练集和预测集准确率分别达99.72%和96.22%。因此，利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。      

基于无人机光谱分析的农田监测系统应用

农田监测可以获取作物的生长状态,是农艺管理操作的依据。传统的农田监测由人工完成,效率和准确性较低,无法满足现代化农业的要求。以无人机为平台的遥感技术应用于农田信息监测中,能有效地解决这个问题。高光谱遥感具有连续的光谱,通过光谱分析可以得到农田作物的完整信息。为此,设计了基于无人机光谱分析的农田监测系统,利用无人机搭载的光谱仪拍摄水稻田的高光谱影像,基于多个光谱参数建立估算叶绿素含量(SPAD)的回归模型。结果表明:4个光谱参数与建模样本SPAD值的回归分析都达到显著水平,以DR 526和SD y建立的模型精确度较高。综合考虑决定系数和斜率值,将SD y作为文中SPAD值的最佳估算参数,可为精准农业的发展提供技术支撑。     

基于LMPSO-SVM的高光谱水稻稻瘟病害分级检测

为减少水稻产量损失,迫切需要建立快速、准确的水稻叶瘟监测和鉴别方法。本文以东北水稻为研究对象,以小区试验为基础,使用高光谱图像仪获取受稻瘟病菌侵染后不同发病程度的水稻叶片高光谱图像并提取光谱数据。首先,通过SG平滑方法对光谱数据进行预处理,然后运用主成分分析(PCA)、Pearson相关系数分析法(PCCs)、PLS-VIP方法对光谱数据进行降维,并提出了一种基于Logistic混沌映射PSO寻优的SVM分级检测模型(LMPSO-SVM)。为了验证提出方法的有效性,以不同降维方法提取的特征变量为输入,分别建立基于人工神经网络(ANN)、支持向量机(SVM)和PSO-SVM的分级模型并进行对比分析。仿真结果表明,各模型对4级病害的识别效果最好,综合5种级别病害,SVM和ANN分级模型的预测准确率波动相对较大,对于病害预测效果不太理想;而在不同特征选择下建立的LMPSO-SVM分级模型对各级病害预测准确率均较高,准确率波动较小,其中基于PCA提取特征变量和全波段作为输入的模型平均准确率非常相近,分别为96.49%和96.12%,PCA提取的输入变量仅为5个,大大简化了模型复杂性,降低了训练...     

基于高光谱成像技术的小麦籽粒赤霉病识别

利用高光谱成像技术通过光谱分析和图像处理进行小麦赤霉病的识别。采用标准正态变量变换(SNV)和多元散射校正(MSC)方法对光谱进行预处理,分别利用连续投影算法(SPA)和正自适应加权算法(CARS)进行变量筛选提取特征波段,结果表明采用MSC-SPA和SNV-SPA算法时决定系数分别为0.901 9和0.900 6,均方根误差分别为0.223 8和0.223 2,筛选波长个数分别为7个和5个。利用SVM和BP神经网络算法建立的交叉验证模型及验证模型的准确率均达到90%以上。其中,MSC-SPA-SVM和SNV-SPA-SVM方法的建模集准确率分别为97.08%和94.17%;验证集准确率分别为98.33%和97.50%,均优于MSC-SPA-BP和SNV-SPA-BP模型。为了研究染病小麦的高光谱图像信息,利用主成分分析方法,根据权重系数选择最佳特征波长为627.698 nm。利用图像处理方法对特征波长下的特征图像进行预处理、特征提取。分别提取特征波长图像的形态参数特征和纹理特征参数等,根据特征参数相关性分析选择最优的建模特征参数。分别利用10折交叉验证方法建立线性判别分析、支持向量机和BP神经网络识别模型,结果表明3种识别算法识别准确率均在90%以上,具有较好的识别效果。     

农畜产品品质安全高光谱无损检测技术进展和趋势

高光谱成像技术作为光学无损检测的一种新技术在农畜产品品质安全检测中被广泛关注和应用.综述了高光谱无损检测技术的研发现状.在果蔬品质安全检测上,高光谱成像技术可用于组成分分析、食用指标测定、质量分级评定等内部品质检测和外部形态特征识别、表面缺陷及污染物检测、冻伤检验等外部品质判定,以及农药残留、致病菌污染等安全评定.在生鲜肉检测应用方面,包括营养品质的组成成分分析、食用品质如嫩度、大理石花纹、新鲜度等指标评价以及生鲜肉在微生物污染等安全品质的评定.分析了高光谱无损检测技术的现状及问题,并针对目前农畜产品无损检测的发展趋势进行前景展望.     

基于高光谱成像的绿皮马铃薯检测方法

针对任意放置姿态下的轻微绿皮马铃薯难以检测的问题,进行了半透射与反射高光谱成像方式的不同检测方法比较研究,最终确定较优高光谱成像方式的检测方法。分别以半透射与反射高光谱成像方式对图像维提取RGB、HSV和Lab空间颜色信息,并采用等距映射、最大方差展开、拉普拉斯特征映射进行图像信息降维;分别以半透射与反射高光谱成像方式对光谱维提取感兴趣区域的平均光谱数据,并采用局部保持投影、局部切空间排列、局部线性协调进行光谱信息降维;然后分别建立不同高光谱成像方式下的图像与光谱信息的深度信念网络模型;对识别率良好的模型采用多源信息融合技术进一步优化,并建立基于图像和光谱融合或不同成像方式融合的模型。结果表明,基于半透射和反射高光谱的光谱信息融合模型最优,校正集和测试集识别率均达到100%,可实现轻微绿皮马铃薯的无损检测。     

结合Beltrami流和递归滤波的高光谱图像分类方法

提出一种结合Beltrami流滤波和域转换递归滤波的高光谱图像分类算法(BFRF-SVM)。分别利用Beltrami流对主成分分析(PCA)降维后的高光谱图像滤波方法和域转换递归滤波方法对全光谱波段进行滤波,两种空间信息进行线性融合后交由支持向量机(SVM)完成分类。实验表明,相比使用光谱信息、高光谱降维、空谱结合的SVM分类方法,以及边缘保持滤波和递归滤波以及形态学滤波特征方法,本文提出的BFRF-SVM方法对高光谱图像的分类精度有较大提高,验证了该方法的有效性。