详情

原文传递一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法

专利名称：	一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法
摘要：	本发明提供了一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法，包括：第一步骤：选取橡胶树样本叶片；第二步骤：采集橡胶树叶片样本的近红外波段的高光谱数据；第三步骤：对橡胶树叶片样本进行预处理，随后测定预处理后的橡胶树叶片样本的氮素含量；第四步骤：利用主成分分析法结合K均值聚类法获得橡胶树叶片高光谱数据的不同高光谱数据选点光谱数据的平均光谱；第五步骤：利用偏最小二乘回归算法对不同高光谱数据选点光谱数据的平均光谱进行建模，根据建模采用的训练集的决定系数来选择最优高光谱数据选点法；第六步骤：利用建立的模型进行橡胶树叶片氮素值含量的预测。
专利类型：	发明专利
国家地区组织代码：	海南;46
申请人：	海南大学
发明人：	李创;唐荣年;钟穗希;姜鸿
专利状态：	有效
申请日期：	2019-05-30T00:00:00+0800
发布日期：	2019-08-02T00:00:00+0800
申请号：	CN201910460445.0
公开号：	CN110082310A
代理机构：	北京众合诚成知识产权代理有限公司
代理人：	邹仕娟
分类号：	G01N21/359(2014.01);G;G01;G01N;G01N21
申请人地址：	570228 海南省海口市美兰区人民大道58号海南大学
主权项：	1.一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于包括：第一步骤：选取橡胶树样本叶片；第二步骤：采集橡胶树叶片样本的近红外波段的高光谱数据；第三步骤：对橡胶树叶片样本进行预处理，随后测定预处理后的橡胶树叶片样本的氮素含量；第四步骤：利用主成分分析法结合K均值聚类法获得橡胶树叶片高光谱数据的不同高光谱数据选点光谱数据的平均光谱；第五步骤：利用偏最小二乘回归算法对不同高光谱数据选点光谱数据的平均光谱进行建模，根据建模采用的训练集的决定系数来选择最优高光谱数据选点法；第六步骤：利用建立的模型进行橡胶树叶片氮素值含量的预测。 2.根据权利要求1所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，第四步骤包括：对所有叶片样本的高光谱数据分别进行主成分分析，获取像素的重加权矩阵；利用K均值聚类方法对所有叶片样本的重加权矩阵进行聚类，聚类的结果作为高光谱数据的选点指针，聚类的类别数K值分别为2、3、4、5、6、7共6种聚类情况，总共27种聚类指针；根据对应的聚类指针对所有叶片样本的高光谱数据进行选取，并对选取后的高光谱数据进行平均，得到27种选点平均光谱。 3.根据权利要求2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，在高光谱数据通过主成分分析法获得重加权矩阵前，将高光谱数据每一波段的二维矩阵按照各列依次首尾相接的方法转换为一维的行向量；对每一波段执行上述操作，从而将高光谱立方转换为二维的矩阵Xm×n，其中m是高光谱数据的波段数，n是高光谱每一个波段像素点的个数。 4.根据权利要求1或2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，建模得到的模型的公式为： y＝a0+a1λ1+a2λ2+...anλn；其中，y为橡胶树叶片氮素含量；λ1～λn为平均光谱对应的反射率值，n为一个波段内所有像素点的个数，a1～an为经过偏最小二乘回归所训练得到的系数值。 5.根据权利要求1或2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，从无病虫害的成熟叶片中选取147片橡胶树叶片作为样品。 6.根据权利要求1或2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，橡胶树叶片样本随机地从田间环境下选取。 7.根据权利要求1或2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，高光谱数据的波段是840～1680nm的波段。 8.根据权利要求1或2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，预处理包括将橡胶树叶片样本进行杀青、烘干、粉碎称样、消煮处理。 9.根据权利要求8所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，橡胶树叶片样本的杀青温度为95～115℃，杀青事件为20～40分钟，烘干温度为70～90℃，将叶片烘干至恒重。 10.根据权利要求1或2所述的橡胶树叶片氮素含量的近红外波段高光谱诊断方法，其特征在于，采用半微量凯氏定氮仪测定预处理后的橡胶树叶片样本的氮素含量。
所属类别：	发明专利