基于高光谱的甜菜SPAD值估算研究

叶绿素作为植物体内参与光合作用的重要色素,其含量对作物生长状况、产量和品质有很大影响。为此,利用野外便携式ASD光谱仪,实测了田间甜菜冠层光谱数据,且用SPAD-502叶绿素仪测定叶片SPAD值。基于原始光谱和一阶导数光谱与SPAD值相关性,选取植被指数和波段深度信息建立SPAD值预测模型,并用对照田试验数据对模型进行验证。通过对比植被指数建立的回归模型及波段深度分析,结合多元逐步回归建立的估算模型可知,波段深度比(BDR)结合SMLR建立的估算模型验证结果最好(RMSE=2.54,RE=4.5%)。研究结果表明:导数处理能提高光谱数据与SPAD值相关系数,波段深度信息结合多元逐步回归相比植被指数能提高SPAD值估算精度。     

基于图像处理新技术的甜菜氮营养无损检测系统的研究

当前农业甜菜生产中存在普遍的氮肥过量使用的问题,建立实时准确农田氮肥推荐体系至关重要。为此,通过利用BP神经网络算法利用图像数据对甜菜氮素含量进行预测,通过合理剔除原始数据中不符合拍摄条件的异常图像数据,选取147组数据作为训练集,90组数据组为预测集,将R、G、B作为输入量,通过BP神经网络算法训练得到预测值与实际值最优相关系数为r=0.70,均方根误差RMSE=4.60。将R/(R+G+B)、G/(R+G+B)、B/(R+G+B)作为输入量,利用BP神经网络算法训练后预测值与实际值最优相关系数r=0.6 4,均方根误差RMSE=3.66。由此可以看出:使用BP神经网络算法建立甜菜颜色特征信息氮素模型是可行的,可为农业甜菜生产中实时无损诊断植株氮素含量提供方法支持。     

厚皮甜瓜无损检测方法的研究现状及发展趋势

厚皮甜瓜是一种具有重要经济价值和营养价值的水果,该果品内部品质的无损检测对其生产及流通有重要意义.为此,综述了国内外厚皮甜瓜无损检测采用的方法,包括力-变形特征测试、声振动特征测试和光谱特征测试,指出采用光谱特征进行厚皮甜瓜品质无损检测是发展趋势.     

基于高光谱成像技术的羊肉新鲜度预测

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。     

玉米秸秆饲料除尘筛出物离散元数值模拟参数标定

为提高玉米秸秆饲料除尘过程中离散元数值模拟参数的准确度,采用物理试验与数值模拟相结合的方法对玉米秸秆饲料的筛出物进行离散元数值模拟参数标定。将物理试验测定筛出物中秸秆与尘土的接触参数作为数值模拟参数选择依据,利用Plackett-Burman试验、最陡爬坡试验和Box-Behnken试验确定对数值模拟休止角影响最显著的因素。以物理试验得到的休止角(41.668°)与标准筛除尘率(13.24%)为目标值,对显著性参数进行寻优;应用最优参数组合进行休止角与标准筛除尘率数值模拟,验证标定参数组合数值模拟精确性。结果表明:对数值模拟休止角影响显著的因素为,尘土接触模型JKR表面能、尘土-尘土恢复系数和尘土-尘土滚动摩擦因数;最优参数组合为,尘土接触模型JKR表面能9.052 J/m²、尘土-尘土恢复系数0.52、尘土-尘土滚动摩擦因数0.182。数值模拟休止角与物理试验休止角相对误差为1.26%,标准筛数值模拟除尘率与物理试验除尘率相对误差为7.93%。     

光谱技术在农药残留检测中的应用与展望

光谱技术以其操作简便、高效、非破坏、高精度等诸多优点,在农药残留检测中得到广泛应用,常用的光谱检测技术有红外光谱技术、拉曼光谱技术、高光谱图像技术和荧光光谱技术等。为此,综合分析了上述常用光谱技术在农药残留检测中的应用现状,探讨了应用中存在的问题,并对应用前景进行了展望。     

表皮对果蔬品质漫反射光谱检测精度的影响

基于近红外漫反射光谱进行了马铃薯淀粉含量快速检测,并分析了表皮对光谱及淀粉含量检测精度的影响问题。本文对110个样品的漫反射光谱进行平均化(Mean centering)、微分处理及Norris滤波,建模方法选用主成分回归(PCR)及偏最小二乘法(PLS)。检测结果表明:近红外漫反射光谱检测马铃薯淀粉含量具有可行性,但表皮对光谱及检测精度有影响。采用PLS法对经Norris滤波处理的去皮马铃薯一阶微分光谱与淀粉含量建模,效果最好,相关系数r为0.893,根校正偏差RMSEC为1.01%;对预测集样品预测,均方根预测偏差RMSEP为1.38%,精度明显优于带皮马铃薯的建模及预测精度(r为0.834,RMSEC为1.29%,RMSEP为1.74%)。果蔬品质光谱检测中,如要实现样品品质精确检测,表皮影响需进一步校正。     

甜菜光谱与生长信息相关性分析

利用不同光谱预处理方法(卷积平滑、一阶微分、多元散射校正、标准正态变换)对甜菜光谱数据进行处理,研究不同预处理方法对光谱与甜菜生长信息(SPAD值、生物量、叶片含氮量)相关性的影响。结果表明:经多元散射校正预处理后的光谱数据与甜菜冠层叶片SPAD值相关性最高,特别在727 nm附近,r=-0.802 7;通过一阶微分处理后的光谱数据与甜菜生物量、叶片含氮量相关性最高。研究结果为后续氮素预测模型的建立提供了理论依据。     

蜜瓜糖度透射光谱检测技术

采用便携式USB光纤光谱仪建立了蜜瓜糖度透射光谱检测系统,光源能量300W,光谱采集积分时间500ms,离散光谱累计采集次数为4次,光谱平滑采用厢车法,平滑点数为4点。利用该系统对140个非网纹类蜜瓜糖度进行了检测试验,采用经典最小二乘法(CLS)、逐步多元线性回归(SMLR)、主成分回归分析(PCR)和偏最小二乘法(PLS)对样品光谱和糖度的建模与预测结果表明,PLS法的建模与预测结果较好,相关系数r为0.857,均方根校正误差为0.655,均方根预测误差为0.838。     

基于数码相机图像的甜菜冠层氮素营养监测

为探究数码相机监测甜菜冠层叶片氮素的可行性,2014年于内蒙古赤峰市松山区太平地镇采用不同种植方案设计了田间试验。利用数码相机获取甜菜冠层数字图像,基于灰度值的阈值分割方法提取冠层图像的红光值(R)、绿光值(G)和蓝光值(B),交互调优R、G、B单色分量权重,提出三原色权值调优方法,并挖掘出适宜于表征甜菜冠层LNC(leaf nitrogen content)的基础调优参数BOP(basic optimal parameter)和归一化调优参数NOP(normalized optimal parameter)。结果表明:采用常规方法选取的敏感颜色参数G/R、NRI(R/(R+G+B))与冠层LNC的相关系数分别为0.80和0.79,三原色权值调优方法确定的调优参数BOP、NOP与冠层LNC的相关系数分别为0.83和0.84,算法优化后提高了颜色参数与冠层LNC的相关性。对比常规参数和调优参数对冠层LNC的预测精度,结果显示调优参数BOP、NOP建立模型的预测精度均高于常规参数G/R、NRI,BOP预测模型的决定系数R2和均方根误差RMSE(root mean square error)分别为0.69和2.65,NOP预测模型的R2和RMSE分别为0.68和2.73。该研究表明,在大田自然光照条件下,借助数码相机实时、准确监测甜菜氮素营养丰缺水平具有较高的可行性,数字图像处理技术在作物营养无损诊断中存在很大的应用潜力。