论文部分内容阅读
氮、磷、钾是柑橘树生长发育过程当中必需的3种主要营养元素,然而传统的营养元素含量化学计量检测法往往存在着消耗时间长、过程繁琐、工作量大、时效性差和损坏样本等弊端,因此快速、无损、准确地测定叶片氮磷钾含量对柑橘树的栽培管理、变量施肥施药、农机具研发等具有重要意义,希望能为高光谱无损检测技术在果树营养元素含量快速检测和生长发育态势实时监测等方面的应用提供理论参考依据。本研究采用高光谱技术,选定萝岗甜橙作为试验的柑橘品种,分别在柑橘树的4个重要生长期采集健康叶片,选用ASD FieldSpec 3光谱仪测定柑橘叶片的光谱反射率,采用传统的化学计量方法分别测定柑橘叶片氮磷钾含量,基于柑橘叶片的高光谱数据分别建立了氮、磷、钾含量无损检测模型,主要内容为:(1)在基于高光谱的柑橘叶片氮含量检测模型的研究中,分别采用相关系数法、连续投影算法、主成分分析选取光谱的特征波长,其中选取的特征波长数目分别为137、12和25,建立了基于BP神经网络和支持向量机回归的氮含量预测模型,其中支持向量机回归SVR的预测效果最好,验证集模型决定系数V-R2高达0.9520,验证集均方根误差V-RMSE为0.3162。(2)在基于高光谱的柑橘叶片磷含量检测模型的研究中,小波去噪的最佳去噪参数组合通过正交试验确定,去噪参数设置为“小波基函数haar、去噪分解层数3、阈值设置方案heursure、阈值调整方案sln”时,建模效果最好;依次建立了小波去噪-逐步多元线性回归模型和小波去噪-偏最小二乘回归模型,验证集模型决定系数V-R2为0.8247和0.8313,验证集均方根误差V-RMSE为0.0675和0.0623。(3)在基于高光谱的柑橘叶片钾含量检测模型的研究中,基于多维尺度变换确定了光谱数据的本征流形维数,分别采用了多维尺度变换、等距映射、拉普拉斯特征映射、局部线性嵌入、最大方差展开这5种流形学习算法建立了钾含量预测模型,同时选用遗传算法、粒子群优化算法、交叉验证法优化支持向量机回归SVR的模型参数与核参数,试验结果表明多维尺度变换-遗传算法-支持向量机回归模型的建模效果最好,校正集模型决定系数C-R2和验证集模型决定系数V-R2高达0.9950和0.9798,校正集均方根误差C-RMSE和验证集均方根误差V-RMSE仅为0.3238和0.6296。