文档介绍:第 31 卷增刊 1 农业工程学报
212 2015 年 1月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2015
基于高光谱的番茄氮磷钾营养水平快速诊断
刘红玉,毛罕平※,朱文静,张晓东,高洪燕
(1. 江苏大学农业工程研究院,镇江 212013; 2. 江苏大学现代农业装备与技术省部共建教育部/江苏省重点实验室,
镇江 212013)
摘要:为了精确、快速和稳定的对番茄氮、磷、钾 3 种元素的营养水平进行诊断,该文提出利用反射光谱技术
诊断方法,选用遗传算法优选波段;采用主成分分析方法提取敏感波长下的纹理特征;通过逐步回归、主成分回
归、偏最小二乘法回归分别建立基于光谱和图像特征的番茄叶片氮、磷、钾素模型。针对单一技术不能全面反映
叶片营养信息的问题,采用人工神经网络对光谱和图像技术进行特征层的信息融合,建立了多信息融合的诊断模
型,求得氮、磷、钾的相关系数 R 分别为 、、;均方根误差 RMSE 分别为 、、。
结果表明采用光谱与图像的融合技术模型比单一光谱模型提高的精度分别为 %、%、%,比单一图像
模型提高的精度为 %、%、%,有更好的诊断作用,能够实现对番茄作物氮、磷、钾素营养水平的高
精度快速检测。
关键词:图像处理;光谱分析;信息融合;人工神经网络;番茄叶片;氮、磷、钾
doi:.1002-
中图分类号:S123;TP79 文献标志码:A 文章编号:1002-6819(2015)- -0212-09
刘红玉,毛罕平,朱文静,[J]. 农业工程学报,2015,31(增刊 1):
212-220.
Liu Hongyu, Mao Hanping, Zhu Wenjing, et al. Rapid diagnosis of tomato N-P-K nutrition level based on hyperspectral
technology [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015,
31(): 212-220. (in Chinese with English abstract)
的相关性[2]。等采集油菜叶片的光谱
0 引言 OiWahLiew
数据,对磷、铁素亏缺进行了预判[3]。Fitzgerald
设施栽培作物生长周期短、产出量大、需肥等利用光谱诊断对小麦氮素水平进行预测,所建
量多,从而要求土壤肥力供给具有高消耗、高补立的小麦氮素模型预测的相对系数达到 ,均
充的特点[1]。生产中设施栽培作物很容易出现氮、方差为 [4]。王磊等的研究表明 350~730 nm