国家自然科学基金(61273062)
- 作品数：7 被引量：90H指数：6
- 相关作者：何勇方慧刘飞张初叶旭君更多>>
- 相关机构：浙江大学浙江经济职业技术学院吉林省农业科学院更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划浙江省重点科技创新团队项目更多>>
- 相关领域：农业科学理学机械工程更多>>
- 基于高光谱图像多光谱参数的草莓成熟度识别被引量：11
- 2016年
- 为了建立多光谱参数用于草莓成熟度的自动识别,采用高光谱图像技术,通过提取草莓样本ROI的平均光谱,计算已有的八个成熟度参数Ind1,Ind2,Ind3,IAD,I1,I2,I3,I4的参数值,并结合Fisher线性判别法判断八个参数对于三种成熟度(成熟、接近成熟、未成熟)草莓样本的分类识别效果,发现基于I4参数的线性判别分析模型的识别效果最佳,建模集和预测集识别准确率分别为90%和91.67%;基于草莓样本的光谱特征,提取与草莓成熟度相关的三个波长535,675和980nm,并基于这三个波长和已有的参数形式,构建了四个用于草莓成熟度检测的新参数:i1,i2,i3,i4,通过Fisher线性判别法判断四个参数的分类识别效果,发现基于参数i1,i2和i4的线性判别分析模型的识别效果均比参数I4好,建模集和预测集识别准确率为95.83%,95.83%,95.83%和95%,95%,96.67%。结果表明新建立的多光谱参数i1,i2和i4可以用于草莓成熟度的自动分类识别,为草莓成熟度的在线检测提供了理论依据。
- 蒋浩张初刘飞朱红艳何勇
- 关键词：草莓高光谱成像FISHER线性判别
- 植物BRDF研究及应用进展被引量：4
- 2017年
- 植物叶片是植物光合作用的重要器官,直接体现了植物生长及营养状况。植物叶片反射、透射的内部理化信息模型间接反映了植物生长过程中物质、能量交换信息,是植物生长过程精细化管理的前提和基础。植物叶片空间光学特性对基于遥感的作物营养状况诊断、虚拟植物光线传输模拟、计算机图形学场景渲染等领域具有重大意义。双向反射分布函数(BRDF)主要研究物体表面反射光的空间分布特性和光谱特性,通过对作物叶片光学特性的获取和测定,准确、高效地表征作物生长参数,并进行定量分析,在植被遥感、农业等领域的研究与应用中有着极大的优势。为了更好地把BRDF技术应用于农业遥感、数字农业等领域中,将针对BRDF测量装置、模型发展和分类及其在植物遥感检测中的应用等环节展开叙述。最后结合综述内容,分析了BRDF技术在农业遥感领域的局限,并对其应用前景进行了展望。
- 张徐洲杜朋朋何勇方慧
- 关键词：BRDF
- 基于高光谱技术的覆盖保鲜膜菠菜货架期预测研究被引量：9
- 2017年
- 保鲜膜能提高果蔬保水性,隔绝外界细菌侵染,延长货架期。为了准确估测覆盖保鲜膜果蔬品质的优劣,对其货架期进行预测具有重要意义。应用高光谱技术结合化学计量学方法对同等贮藏条件下覆膜新鲜菠菜叶片的货架期进行了预测。先采集五个不同贮藏时间下75盘共300片菠菜样本在可见-近红外(VisNIR,380~1 030nm)与近红外(NIR,874~1 734nm)波段的高光谱数据,然后测定不同贮藏时间下菠菜叶片叶绿素含量。提取300片覆膜菠菜叶片的平均光谱(200个为建模集,100个为预测集)后,对建模集光谱进行主成分分析(principal component analysis,PCA),发现不同贮藏期内叶片光谱数据在前3个主成分空间有一定的聚类。根据建模集光谱信息与预先赋予的不同贮藏期虚拟等级分别建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型,得到预测集样本的贮藏期总的判别准确率分别为83%(Vis-NIR)和81%(NIR)。表明,高光谱技术结合化学计量学方法能够实现对新鲜菠菜货架期的分类和预测,为消费者正确评价覆盖保鲜膜的菠菜品质提供了理论指导,也为后期果蔬货架期检测仪器的开发提供了技术支持。
- 周莉萍赵艳茹余克强何勇方慧叶旭君
- 关键词：菠菜叶片化学计量学方法货架期
- 基于双波段植被指数(TBVI)的柑橘冠层含氮量预测及可视化研究被引量：13
- 2015年
- 氮素(nitrogen,N)是果树生长发育的必需重要元素,及时准确地无损检测果树的氮素水平对果实增产、合理施肥以及减少环境污染等具有重要意义。研究了基于高光谱成像技术进行柑橘冠层含氮量预测及可视化的可行性。实验采用高光谱成像光谱仪ImSpector V10E(Spectral imaging Ltd.,Oulu,Finland)分别采集柑橘叶片实验室样本和野外整个植株冠层的高光谱图像。利用ENVI软件提取每个叶片样本感兴趣区域(ROD的平均光谱数据作为整个样本的光谱数据进行分析,同时采用杜马斯燃烧法快速定氮仪(Elementar Analytical,Germany)测定叶片样本的含氮量。通过简单相关分析和双波段植被指数(TBVI)的获取,建立基于光谱数据的含氮量预测模型。计算表明,基于811和856nm的双波段植被指数(TBVI)能够建立最佳的柑橘叶片含氮量预测模型(R^2=0.607 1)。在此基础上,计算上述TBVI的冠层图像,把基于该TBVI的含氮量预测模型导入到TBVI图像中计算生成冠层含氮量的预测分布图。图中直观地显示柑橘嫩叶、中叶、老叶的含氮水平从高到低分布,实现了冠层含氮量的可视化。结果表明,利用高光谱成像技术可以实现柑橘冠层氮素水平的检测和诊断,这为实施基于每颗果树信息的变量施肥技术提供了参考信息。
- 王巧男叶旭君李金梦肖宇钊何勇
- 基于中红外光谱技术的香菇蛋白质含量测定被引量：14
- 2014年
- 研究了中红外光谱预测香菇蛋白质含量的可行性。去掉明显噪声部分后，研究香菇3581～689 cm -1中红外光谱与蛋白质含量的关系。以Savitzky-Golay （SG ）5点平滑预处理光谱建立偏最小二乘法（par-tial least squares ，PLS）的预测模型的效果不理想，模型的建模集和预测集的相关系数均高于0.85，但剩余预测偏差（residual prediction deviation ，RPD）值仅为1.77。采用连续投影算法（successive projections algo-rithm ，SPA ）算法从3000个波数点中选择7个特征波数，并以七个特征波数分别建立PLS、多元线性回归（multiple linear regression ，MLR）、反向传播神经网络（back-propagation neural network ，BPNN）和极限学习机模型（extreme learning machine ，ELM）。与全谱的PLS相比，以特征波数的PLS模型和MLR模型的预测效果相对较差，而以特征波数的BPNN和ELM模型的预测效果相对较好。其中SPA-ELM模型的预测效果最佳，预测集相关系数（correlation coefficient of prediction ）Rp ＝0.8995，预测集均方根误差（root mean square error of prediction）RMSEP＝1.4313，剩余预测偏差RPD＝2.18。研究结果表明，中红外光谱分析技术可以用于预测香菇蛋白质含量，且SPA选取特征波数能用来代替原始光谱进行建模分析，为香菇蛋白质含量的检测提供了新的思路。
- 朱哲燕刘飞张初孔汶汶何勇
- 关键词：中红外光谱香菇蛋白质含量连续投影算法
- 可见/近红外光谱图像在作物病害检测中的应用被引量：30
- 2019年
- 农作物病害严重影响了我国正常的农业生产,现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术,如:聚合酶链式反应技术、人工感官判定技术、统计学方法等,这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断,而光谱技术在植物病害的快速检测方面有一定的潜力,目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论,讨论了该技术所涉及的仪器,并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象,而在更小尺度(细胞至显微尺度)和更大尺度(冠层至航空/航天遥感方面)上的研究较少,特别是单细胞级别的病害研究,只在动物细胞领域展开,而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用,目前的研究已涉及了大部分的常见作物及其主要病害,包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开:(1)基于计算机图像处理和模式识别的病害信息自动快速判断;(2)基于化学计量学方法的高光谱或高光谱图像病害程度模型;(3)建立与作物病害有关的叶片某些理化参数的光谱模型,从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是:研究过于碎片化,往往只研究了某一种或少数几种病害,所建的模型只能用于特定实验条件,无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度,植株的三维形态对光谱模型有较大的干扰,有文献表明以植株近地冠层2D图像作为病害检测数据,偏差较大,所建模型不稳定,基于卫星影像的病害模型较少。还讨论了�
- 张德荣张德荣方慧
- 关键词：农作物病害
- 基于中红外光谱技术鉴别转基因大豆的方法研究被引量：10
- 2017年
- 转基因技术对于实现粮食增产,保护生物多样性,减少化学农药使用量等方面有着重大意义,但也可能存在一定的安全隐患。因此,转基因作物检测鉴别技术的研究愈发受到重视。本文采用中红外光谱分析技术,研究对不同品种的转基因大豆及其亲本进行鉴别的可行性。实验采集了三种不同的非转基因大豆亲本(HC6,JACK和W82)及其转基因大豆品种在3 818~734 cm^(-1)范围内的光谱信息。采用偏最小二乘-判别分析(partial least squares-discriminant analysis,PLS-DA)进行判别分析,三种大豆的建模集的判别正确率分别为96.67%,96.67%和83.33%,预测集的判别正确率分别为83.33%,85%和85%。研究中采用X-loading weights、变量投影重要性(variable importance in the projection,VIP)和二阶导数(second derivative,2-Der)三种特征波数选择方法对光谱数据进行处理,并根据得到的特征波数分别建立PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过76.67%和75%。采用主成分分析(principal component analysis,PCA)和独立组分分析(independent component analysis,ICA)两种特征信息提取方法对光谱数据进行处理,分别建立PCA-PLS-DA和ICA-PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过80%和75%。研究表明中红外光谱分析技术可以较为准确地鉴别非转基因亲本与转基因品种,为转基因大豆的无损鉴别提供新的思路。同时结合特征波数选择方法与特征信息提取方法可以有效地降低模型复杂度,减少程序运算量。
- 方慧张昭王海龙杨向东何勇鲍一丹
- 关键词：中红外光谱转基因大豆特征信息提取
