|本期目录/Table of Contents|

[1]马玲,杜明华,孟露,等.基于高光谱成像技术的番茄叶片叶绿素含量检测[J].江苏农业科学,2023,51(11):167-174.
　Ma Ling,et al.Detection of chlorophyll content in tomato leaves based on hyperspectral imaging technology[J].Jiangsu Agricultural Sciences,2023,51(11):167-174.
点击复制

基于高光谱成像技术的番茄叶片叶绿素含量检测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第11期
页码:
167-174
栏目:
贮藏加工与检测分析
出版日期:
2023-06-05

文章信息/Info

Title:
Detection of chlorophyll content in tomato leaves based on hyperspectral imaging technology
作者:
马玲; 杜明华; 孟露; 杨甜; 吴龙国
宁夏大学农学院，宁夏银川 750001
Author(s):
Ma Ling; et al
关键词:
高光谱成像; 番茄叶片; 叶绿素; 无损检测
Keywords:
-
分类号:
S641.201
DOI:
-
文献标志码:
A
摘要:
叶绿素是植物生长发育必不可少的色素，可用来衡量植物生长状况，为实现番茄叶片叶绿素含量快速、无损检测，以番茄为试验材料，通过高光谱无损检测方法，对番茄叶片叶绿素含量进行监测。提取出82个叶片样本的平均光谱反射率数据(400~1 000 nm)，对原始光谱数据分别进行7种预处理(平均平滑、高斯滤波、中值滤波、卷积平滑、归一化、基线校准(baseline)、标准正态化(standard normal variation，SNV)，建立PLSR模型，建模结果显示：SNV预处理光谱的建模效果最优。用β权重系数、无信息变量消除变换法(uninformation variable elimination，UVE)、竞争自适应重加权法(compet-itive adaptive weighted sampling，CARS)及连续投影算法(successive project-ion algorithm，SPA)等提取特征波长，并建立了PLSR模型，建模结果表明：CARS法提取特征波长所建立的模型最优，CARS法提取了8个特征波长(732、796、946、953、957、968、983、994 nm)被应用于建立番茄叶片叶绿素定量预测模型。为选出最优的建模方法，使用MLR、PCR、PLSR与SVR方法分别对CARS提取的特征波长进行模型对比，优选出的MLR模型用于预测番茄叶绿素含量，最优预测模型MLR的相关系数Rc、Rcv分别为0.830、0.743，均方根误差RMSEC、RMSECV分别为2.126、2365。这可为今后在线监测植物长势提供技术支撑。
Abstract:
-

参考文献/References:

［1］吴毅. 设施番茄高产栽培技术［J］. 现代农业科技，2020(7)：73，75.
［2］周芳. NPK与有机肥配施对番茄氮素代谢和产量影响［D］. 沈阳：沈阳农业大学，2016.
［3］李百超. 基于高光谱成像技术的苹果叶片氮素含量估测研究［D］. 泰安：山东农业大学，2018.
［4］刘爽，于海业，张郡赫，等. 基于最优光谱指数的大豆叶片叶绿素含量反演模型研究［J］. 光谱学与光谱分析，2021，41(6)：1912-1919.
［5］田容才，高志强，周昆. 基于高光谱数据的晚籼稻品种剑叶SPAD值估测［J］. 中国稻米，2021，27(1)：45-50.
［6］刘文雅，潘洁. 基于神经网络的马尾松叶绿素含量高光谱估算模型［J］. 应用生态学报，2017，28(4)：1128-1136.
［7］刘红玉，毛罕平，朱文静，等. 基于高光谱的番茄氮磷钾营养水平快速诊断［J］. 农业工程学报，2015，31(增刊1)：212-220.
［8］温新. 基于高光谱成像技术的苹果叶片叶绿素和氮素含量分布反演［D］. 泰安：山东农业大学，2019.
［9］Peng Y，Gitelson A A. Remote estimation of gross primary productivity in soybean and maize based on total crop chlorophyll content［J］. Remote Sensing of Environment，2012，117：440-448.
［10］徐道青，刘小玲，王维，等. 淹水胁迫下棉花叶片高光谱特征及叶绿素含量估算模型［J］. 应用生态学报，2017，28(10)：3289-3296.
［11］Chang X Y，Chang Q R，Wang X F，et al. Estimation of maize leaf chlorophyll contents based on UAV hyperspectral drone image［J］. Agricultural Research in the Arid Areas，2019，32(4)：45-53.
［12］Sun Y，Wang Y H，Xiao H，et al. Hyperspectral imaging detection of decayed honey peaches based on their chlorophyll content［J］. Food Chemistry，2017，235：194-202.
［13］Singh S K，Houx J H III，Maw M J W，et al. Assessment of growth，leaf N concentration and chlorophyll content of sweet sorghum using canopy reflectance［J］. Field Crops Research，2017，209：47-57.
［14］Madeira A C，Mentions A，Ferreira M E，et al. Relationship between spectroradiometric and chlorophyll measurements in green beans［J］. Communications in Soil Science and Plant Analysis，2000，31(5/6)：631-643.
［15］Annala L，Honkavaara E，Tuominen S，et al. Chlorophyll concentration retrieval by training convolutional neural network for stochastic model of leaf optical properties (SLOP) inversion［J］. Remote Sensing，2020，12(2)：283.
［16］王芳东，严志雁，赵小敏，等. 油茶叶片叶绿素含量高光谱估测的偏最小二乘模型参数选择［J］. 江西农业大学学报，2022，44(1)：86-96.
［17］李长春，施锦锦，马春艳，等. 基于小波变换和分数阶微分的冬小麦叶绿素含量估算［J］. 农业机械学报，2021，52(8)：172-182.
［18］卓伟，于旭峰，李欣庭，等. 高光谱成像技术实现马铃薯叶片叶绿素无损检测［J］. 光学仪器，2020，42(6)：1-8.
［19］康丽，高睿，孔庆明，等. 水稻叶片SPAD值高光谱成像估测［J］. 东北农业大学学报，2020，51(10)：89-96.
［20］郭世荣. 无土栽培学［M］. 2版.北京：中国农业出版社，2011.
［21］Faber N K. Multivariate sensitivity for the interpretation of the effect of spectral pretreatment methods on near-infrared calibration model predictions［J］. Analytical Chemistry，1999，71(3)：557-565.
［22］尚静，张艳，孟庆龙. 可见/近红外光谱技术无损识别苹果品种的研究［J］. 保鲜与加工，2019，19(3)：8-14.
［23］马兰，夏俊芳，张战锋，等. 光谱预处理对近红外光谱无损检测番茄可溶性固形物含量的影响［J］. 华中农业大学学报，2008(5)：672-675.
［24］王海龙. 基于光谱和光谱成像技术的转基因大豆品种鉴别与品质检测研究［D］. 杭州：浙江大学，2016.
［25］丁希斌，张初，刘飞，等. 高光谱成像技术结合特征提取方法的草莓可溶性固形物检测研究［J］. 光谱学与光谱分析，2015，35(4)：1020-1024.
［26］张巍. 基于高光谱成像技术的蓝莓内部品质检测方法的研究［D］. 沈阳：沈阳农业大学，2016.
［27］高俊峰，张初，谢传奇，等. 应用近红外高光谱成像技术预测甘蔗可溶性固形物含量［J］. 光谱学与光谱分析，2015，35(8)：2154-2158.
［28］Galvo R K H，Araujo M C U，José G E，et al. A method for calibration and validation subset partitioning［J］. Talanta，2005，67(4)：736-740.
［29］巨晓棠，刘学军，邹国元，等. 冬小麦/夏玉米轮作体系中氮素的损失途径分析［J］. 中国农业科学，2002，35(12)：1493-1499.

相似文献/References:

[1]马燕飞,坎杂,张若宇,等.加工番茄可溶性固形物近红外高光谱反射成像检测[J].江苏农业科学,2013,41(08):311.
　Ma Yanfei,et al.Near infrared high spectral reflection imaging detection of processing tomato soluble solid content[J].Jiangsu Agricultural Sciences,2013,41(11):311.
[2]徐凯宏,米雅婷,谷志新.基于GA-BP神经网络的温室番茄病害诊断[J].江苏农业科学,2016,44(04):387.
　Xu Kaihong,et al.Diagnosis of tomato disease in greenhouse based on GA-BP network[J].Jiangsu Agricultural Sciences,2016,44(11):387.
[3]袁自然,叶寅,武际,等.基于高光谱成像技术的辣椒叶片叶绿素含量估算[J].江苏农业科学,2021,49(16):189.
　Yuan Ziran,et al.Estimation of chlorophyll content in pepper leaves based on hyperspectral imaging technology[J].Jiangsu Agricultural Sciences,2021,49(11):189.
[4]胡政,张艳,尚静,等.高光谱图像在农作物病害检测识别中的研究进展[J].江苏农业科学,2022,50(8):49.
　Hu Zheng,et al.Research progress of hyperspectral images in detection and identification of crop diseases[J].Jiangsu Agricultural Sciences,2022,50(11):49.
[5]杜明华,杨甜,马燕,等.基于NIR高光谱成像技术的番茄叶片叶绿素含量检测[J].江苏农业科学,2022,50(20):48.
　Du Minghua,et al.Detection of chlorophyll content in tomato leaves based on NIR hyperspectral imaging technology[J].Jiangsu Agricultural Sciences,2022,50(11):48.
[6]沈梦姣,侯海敏,赵宏,等.茄科作物常见病害早期检测技术的研究进展[J].江苏农业科学,2023,51(9):17.
　Shen Mengjiao,et al.Research progress on early detection techniques for common diseases of Solanaceae crops[J].Jiangsu Agricultural Sciences,2023,51(11):17.
[7]谭涛,冯树南,温青纯,等.高光谱成像技术在水果品质检测中的应用研究进展[J].江苏农业科学,2024,52(6):11.
　Tan Tao,et al.Research progress on application of hyperspectral imaging technology in detection of fruit quality[J].Jiangsu Agricultural Sciences,2024,52(11):11.

备注/Memo

备注/Memo:
收稿日期：2022-08-16
基金项目：宁夏回族自治区重点研发计划(编号：2021BBF02019、2021BBF02024、2022WZYQ0001)；宁夏青年科技人才托举工程(编号：TJGC2019065)。
作者简介：马玲(1997—)，女，宁夏海原人，硕士研究生，研究方向为设施蔬菜栽培。E-mail：2248338720@qq.com。
通信作者：吴龙国，博士，讲师，硕士生导师，主要从事设施园艺产品无损检测方面的研究。E-mail：wlg@nxu.edu.cn。
更新日期/Last Update: 2023-06-05