該研究利用偏振-高光譜信息融合技術(shù)估測(cè)番茄葉片可溶性糖（SS）、總氮（N）及糖氮比（SS/N）。分別以五個(gè)生長(zhǎng)周期（苗期、開(kāi)花期、初果期、中果期和采摘期）和五個(gè)梯度水平（25%、50%、75%、100%、150%）的氮素營(yíng)養(yǎng)脅迫樣本為研究對(duì)象,樣本被同時(shí)用于光譜采集和可溶性糖及氮含量測(cè)定。利用課題組自行研制的偏振光譜采集系統(tǒng)采集偏振光譜并提取4個(gè)偏振度特征。利用高光譜采集高光譜數(shù)據(jù),經(jīng)過(guò)主成分分析降維、確定4個(gè)特征波長(zhǎng),再通過(guò)相關(guān)分析法提取這4個(gè)特征波長(zhǎng)下的各8個(gè)高光譜圖像紋理特征。首先分別建立了基于偏振度特征模型、圖像特征模型和光譜特征三種單一特征的模型。隨后偏振度特征與高光譜紋理特征變量進(jìn)行歸一化后,建立了線(xiàn)性和非線(xiàn)性的定量診斷模型。研究結(jié)果表明采用SS/N預(yù)測(cè)模型的精度高于SS和N的模型,且對(duì)于N和SS/N模型而言,兩者的SVM模型的精度明顯優(yōu)于單一特征來(lái)源模型,具有較好的診斷作用。結(jié)果表明,偏振高光譜多維信息檢測(cè)技術(shù)能夠有效地判斷番茄營(yíng)養(yǎng)脅迫狀況。多特征數(shù)據(jù)融合分析技術(shù)可以提高光譜診斷技術(shù)在精準(zhǔn)農(nóng)業(yè)中的預(yù)測(cè)精度。 

【文章來(lái)源】：農(nóng)業(yè)工程技術(shù). 2020,40(24)

【文章頁(yè)數(shù)】：1 頁(yè)


本文編號(hào)：3200721