基于光谱及数据挖掘技术的油菜养分及品质信息的无损检测研究

【摘要】： 精细农业是21世纪全球农业发展的必然趋势。它的技术核心是农田信息的获取、信息的管理与决策及变量作业三个部分。其中如何快速准确的获取作物生长信息,是开展精细农业的重要基础,也是精细农业研究的一个热点和难点。 针对国内外现状,本论文以油菜(Brassica napus)为对象,通过正交二次回归设计方法进行了油菜氮、磷、钾和硼等四种重要营养元素田间试验,采用可见-近红外光谱技术研究了油菜植株的氮、磷、钾、硼含量与油菜叶片和冠层的光谱反射特性之间的关系。还研究了油菜叶片氮含量与SPAD值,油菜冠层3CCD多光谱图像与SPAD值之间的关系。此外,还初步探讨了辐照处理对油菜籽的光谱反射特性的影响。本论文的主要研究结论如下： (1)研究了油菜叶片的光谱反射特性与油菜叶片氮、磷、钾、硼四种含量的关系,并分别建立了全波段模型及最优波长模型。结果表明,四种元素含量的最优全波段模型均为直接正交信号校正(DOSC)结合偏最小二乘法(PLS)模型,最优模型对氮、磷、钾和硼的预测相关系数分别为0.9743、0.6971、0.9316和0.8903；利用连续投影算法(SPA)选择最优波长并建立数学模型的研究中,提出了采用DOSC结合SPA选择的氮、磷、钾和硼四种元素的最优波长的优化模型,得出的最优特征波长分别为958、540、627和686nm。结果表明,氮含量最佳模型采用DOSC-SPA结合最小二乘-支持向量机(LS-SVM)方法,其预测相关系数为0.9737；磷、钾、硼三种元素含量的最佳模型都是采用DOSC-SPA结合人工神经网络(BPNN)方法,其预测相关系数分别为0.7054、0.9380及0.8916。 (2)研究了油菜冠层光谱反射特性与油菜植株氮、磷、钾三种含量的关系,并分别建立了全波段模型及最优波长模型。通过对不同预处理方法结合PLS所建立模型的效果比较,三种元素的最佳光谱预处理方法都是DOSC.其最佳模型的预测相关系数分别为0.9440、0.8260和0.9574。利用DOSC-SPA算法选择的最优波长分别为761、994和927nm。氮和磷两种元素含量的最佳模型是DOSC-SPA结合LS-SVM方法所建立的模型,预测相关系数分别为0.9423和0.8124。钾元素含量的最佳模型采用了DOSC-SPA结合PLS方法,预测相关系数为0.9526。 (3)研究了油菜叶片SPAD值与氮含量的相关性。结果显示,在油菜生长期,油菜叶片SPAD值与氮含量呈线性相关的关系,其相关系数为0.861,对三个未知样本的预测精度分别达到78.8%,91.8%及94.12%。 (4)研究了油菜冠层多光谱图像与氮含量之间的关系。构建了一套集可见-近红外光谱仪、3CCD多光谱成像仪于一体的油菜氮含量多光谱图像测试平台。建立了基于油菜冠层多光谱反射率的植被指数NDVI、GNDVI和Ratio与SPAD值之间的校正模型。三个模型的预测相关系数分别为0.932、0.879及0.885。 (5)研究了辐照处理后油菜籽光谱反射特性的变化规律。探讨了不同预处理方法组合及神经网络隐含层节点数对所建模型的影响。所建最优模型先后采用了中值滤波平滑法、附加散射校正及二阶求导法三种预处理方法。BPNN模型建立过程中,选择对6个PLS主成分进行自然对数变化,所设定的隐含层节点数为4或9。结果表明,油菜籽经过辐照处理后,其光谱反射特性会发生较大的改变。最优模型对辐照和未辐照样本的识别率均为100%,对油菜籽所受辐照剂量的预测精度达到85.71%。说明可见-近红外光谱技术可以用于评估辐照处理对油菜籽光谱特性产生的影响。