基于光譜和高光譜成像技術(shù)的土壤養(yǎng)分及類型檢測(cè)與儀器開(kāi)發(fā).pdf

1、土壤養(yǎng)分如總氮、有機(jī)質(zhì)、速效鉀和速效磷等是農(nóng)作物生長(zhǎng)的主要養(yǎng)分，這些土壤養(yǎng)分參數(shù)的檢測(cè)一直沿用常規(guī)化學(xué)檢測(cè)方法，對(duì)檢測(cè)人員要求高，且需要昂貴的檢測(cè)設(shè)備，存在檢測(cè)成本高、效率低，不能大規(guī)模同時(shí)檢測(cè)等問(wèn)題。近紅外光譜和高光譜成像分析技術(shù)具有成本低、快速和環(huán)保等優(yōu)點(diǎn)，近年來(lái)在土壤養(yǎng)分測(cè)定方面得到了越來(lái)越廣泛的應(yīng)用。本文主要?jiǎng)?chuàng)新性成果有:
　　(1)提出了將遺傳算法和連續(xù)投影算法相結(jié)合，用于特征波長(zhǎng)選擇，建立了土壤有機(jī)質(zhì)含量快速檢測(cè)模型，

2、預(yù)測(cè)集的決定系數(shù)為0.83，預(yù)測(cè)均方根誤差為0.20，殘余預(yù)測(cè)偏差為2.45，介紹了兩種光譜壓縮方法（LVs和PCs）和有效波長(zhǎng)(EWs)提取方法，對(duì)于土壤有機(jī)質(zhì)，LVs-LS-SVM模型的預(yù)測(cè)結(jié)果優(yōu)于EWs-LS-SVM、PCs-LS-SVM模型，EWs-LS-SVM優(yōu)于PCs-LS-SVM模型。
　　(2)應(yīng)用高光譜成像技術(shù)，建立了土壤有機(jī)質(zhì)的光譜檢測(cè)模型。系統(tǒng)地比較了多元散射校正，SG平滑算法和小波分析預(yù)處理方法，多元散射校

3、正預(yù)處理效果較好，有效去除了光譜噪聲，采用連續(xù)投影算法和遺傳-偏最小二乘法選擇特征波長(zhǎng)，建立了偏最小二乘、BP神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)模型。最優(yōu)模型為最小二乘支持向量機(jī)模型，其預(yù)測(cè)集的決定系數(shù)為0.78，預(yù)測(cè)均方根誤差為0.29，殘余預(yù)測(cè)偏差RPD為2.24。
　　(3)提出了基于圖像和光譜信息融合技術(shù)鑒別土壤不同類型。提取土壤樣品感興趣區(qū)域光譜，以第一主成分圖像信息和611nm圖像信息為灰度共生矩陣，結(jié)合圖像信息數(shù)據(jù)與光譜信

4、息數(shù)據(jù)，作為L(zhǎng)S-SVM分類器的輸入建立分類識(shí)別模型，預(yù)測(cè)集識(shí)別率達(dá)到100％。
　　(4)提出了采用連續(xù)投影算法和回歸系數(shù)方法提取特征波長(zhǎng)，基于特征波長(zhǎng)分別采用PLS、MLR和LS-SVM三種建模方法共建立了9個(gè)預(yù)測(cè)模型，預(yù)測(cè)總氮含量，最優(yōu)MLR模型預(yù)測(cè)集的決定系數(shù)為0.81，殘余預(yù)測(cè)偏差RPD為2.26。
　　(5)應(yīng)用短波近紅外光譜技術(shù)，建立了土壤總氮含量快速檢測(cè)模型。將土壤樣本分為三組，一組未經(jīng)過(guò)粉碎、過(guò)篩等處理，其

5、余兩組分別過(guò)2 mm篩和0.5mm篩處理，采用基于USB4000開(kāi)發(fā)的便攜式光譜儀器獲取土壤光譜數(shù)據(jù)，結(jié)合平滑算法，波長(zhǎng)壓縮算法和小波變換進(jìn)行噪聲處理，采用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法，Random frog和SPA進(jìn)行特征波長(zhǎng)選擇。采用偏最小二乘，極限學(xué)習(xí)機(jī)和LS-SVM建立了檢測(cè)模型。試驗(yàn)結(jié)果表明，過(guò)篩處理后的樣本模型結(jié)果優(yōu)于未過(guò)篩的樣本模型結(jié)果，過(guò)0.5mm篩處理的土壤樣本模型預(yù)測(cè)結(jié)果略優(yōu)于過(guò)2mm篩處理的土壤樣本結(jié)果，預(yù)測(cè)集的決定系數(shù)

6、為0.63，RPD為1.58。
　　(6)應(yīng)用蒙特卡羅無(wú)信息變量消除算法(MC-UVE)結(jié)合遺傳算法提取特征波長(zhǎng)，建立了土壤速效鉀快速檢測(cè)模型。PLS模型預(yù)測(cè)集的決定系數(shù)為0.68，RMSEP為6.45，殘余預(yù)測(cè)偏差(RPD)為1.70。應(yīng)用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法選擇的特征波長(zhǎng)，建立了土壤速效磷快速檢測(cè)模型。PLS模型預(yù)測(cè)集的決定系數(shù)為0.64，RMSEP為3.80，RPD為1.67。
　　(7)開(kāi)發(fā)了一款基于USB4000