基于葉綠素熒光圖像參數(shù)的生菜氮磷鉀無損檢測與建模.pdf

1、我國是一個農(nóng)業(yè)大國，農(nóng)作物產(chǎn)量高、肥料需求大，農(nóng)業(yè)生產(chǎn)中作物很容易出現(xiàn)氮(N)、磷(P)、鉀(K)及其它元素虧缺的情況，嚴重影響農(nóng)產(chǎn)品的產(chǎn)量及經(jīng)濟效益。近年來，隨著科學技術(shù)的不斷提高，基于計算機技術(shù)的農(nóng)作物營養(yǎng)元素無損檢測技術(shù)已經(jīng)成為本領(lǐng)域的研究熱點之一。本文首先分析了生菜在不同氮、磷、鉀元素水平作用下葉綠素熒光圖像參數(shù)隨著生育期的變化情況，得到氮、磷、鉀對生菜光合性能的影響，同時本研究嘗試將葉綠素熒光圖像參數(shù)與相關(guān)算法相結(jié)合對生菜的氮

2、、磷、鉀營養(yǎng)元素進行虧缺診斷及含量預測。最終期望得到在生菜缺素初期氮、磷、鉀營養(yǎng)元素虧缺診斷及含量預測的新方法。
　　針對現(xiàn)有的元素無損檢測技術(shù)（光譜分析技術(shù)和計算機視覺技術(shù)）無法表征植物內(nèi)部組織生理生化的變化和作物缺素初期精確檢測元素水平難度大等問題，本文嘗試將葉綠素熒光圖像參數(shù)與相關(guān)算法相結(jié)合用于生菜氮、磷、鉀虧缺診斷及含量預測。以葉綠素為天然探針、光合理論為基礎(chǔ)的葉綠素熒光技術(shù)能夠及時準確探測外界脅迫對作物內(nèi)部生理的細微影響

3、，彌補了計算機視覺技術(shù)無法及早檢測元素營養(yǎng)狀況的不足。通過葉片的葉綠素熒光圖像獲取相應(yīng)的葉綠素熒光參數(shù)，克服了光譜分析技術(shù)獲取信息片面的不足。
　　分析不同的N、P、K水平作用下生菜葉片葉綠素熒光圖像參數(shù)隨著生育進程變化情況，和發(fā)棵期生菜葉片葉綠素熒光圖像參數(shù)隨N、P、K施加水平的變化情況。結(jié)果表明PSII的最大光合效率(Fv/Fm)受N和K元素影響較大，PSII的實際光合效率(Yield)隨著N素水平變化較明顯，高N、低K有助于

4、增強生菜的光化學淬滅能力。本部分研究為后續(xù)的氮、磷、鉀營養(yǎng)虧缺診斷及氮、磷、鉀含量預測奠定了堅實的基礎(chǔ)。
　　基于葉綠素熒光圖像參數(shù)的生菜N、P、K元素虧缺診斷。比較了常用的3種支持向量機(SVM)參數(shù)優(yōu)化方法的優(yōu)缺點，即網(wǎng)格優(yōu)化參數(shù)、遺傳算法優(yōu)化參數(shù)、粒子群優(yōu)化參數(shù)。提出了改進型網(wǎng)格搜索法。改進型網(wǎng)格搜索法先在較大的范圍內(nèi)進行搜索，再在最優(yōu)參數(shù)附近區(qū)域進行精確搜索。將4種參數(shù)優(yōu)化方法分別應(yīng)用于生菜氮、磷、鉀虧缺分類，結(jié)果表明采用

5、改進型網(wǎng)格搜索法耗時短，且分類正確率也很高。
　　基于葉綠素熒光圖像參數(shù)的N、P、K元素含量預測。選用誤差反傳(BP)神經(jīng)網(wǎng)絡(luò)、回歸型支持向量機(SVR)2種算法進行建模。結(jié)果表明在氮素含量預測時，SVR明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。SVR用于氮素含量預測時決定系數(shù)為0.91263，均方誤差為0.0444。磷元素含量預測時，模型整體預測效果均相對較差。鉀元素含量預測時，SVR的決定系數(shù)R2為0.92078，均方誤差E為0.04523。