马玲, 李亚娇, 张祎洋, 王静, 马燕, 马思艳, 吴龙国
南京农业大学学报. 2024, 47(06): 1221-1229.
[目的]为快速检测叶片含水量,本研究探索及时监测番茄植株生长状况的在线监测模型。[方法]利用高光谱成像技术,提取195个叶片样本的平均光谱反射率。通过异常值剔除、样本集划分、5种预处理方法对原始光谱进行预处理和优化,采用连续投影算法(successive projections algorithm, SPA)、无信息变量消除变换法(uninformation variable elimination, UVE)、迭代保留信息变量法(iterative retained information variable, IRIV)和遗传偏最小二乘算法(genetic partial-least-squares algorithm, GAPLS)提取特征波长,并建立偏最小二乘回归(partial-least-squares regression, PLSR)模型。基于优选的特征波长,建立PLSR、多元线性回归(multiple linear regression, MLR)以及主成分回归(principal component regression, PCR)模型和卷积神经网络模型(convolutional neural network, CNN)。[结果]优选基线校准-正交信号校正法(baseline-orthogonal signal correction, Baseline-OSC)对叶片含水量进行预处理;IRIV法提取的特征波长建立的叶片含水量定量预测模型效果最优,Rc2为0.489,Rp2为0.466;基于IRIV-CNN建立的叶片含水量模型效果好(Rc2=0.668,RMSEC=0.019;Rp2=0.424,RMSEP=0.033)。[结论]利用高光谱成像技术结合Baseline-OSC-IRIV-CNN模型预测番茄叶片含水量是可行的。