發(fā)布時間：2023-11-18 13:39

　　設(shè)施栽培作物很容易出現(xiàn)氮、磷、鉀等元素虧缺或過量的狀況,將嚴(yán)重影響作物的產(chǎn)量和經(jīng)濟(jì)效益。目前,作物葉片或冠層的氮、磷、鉀含量的無損檢測大多利用檢測到的光譜或圖像信息來反演作物氮、磷、鉀含量,檢測和反演時都假設(shè)已知作物受氮、磷、鉀某一營養(yǎng)脅迫,且不考慮各營養(yǎng)之間的交互作用影響,直接根據(jù)葉片氮、磷、鉀來指導(dǎo)營養(yǎng)補充方案,將出現(xiàn)錯誤的結(jié)果。無損檢測技術(shù)對作物氮、磷、鉀含量檢測采用單一技術(shù)手段,無法全面獲取作物營養(yǎng)信息。因此,在考慮交互作用的情況下,融合多種技術(shù)對作物養(yǎng)分進(jìn)行精確的監(jiān)測和診斷,并將葉片檢測出來的營養(yǎng)信息反演出作物的施肥狀況,實現(xiàn)養(yǎng)分的精確管理有重要意義。本論文在“基于強(qiáng)度-偏振-光譜分布多維圖像的番茄營養(yǎng)水平快速診斷研究”等課題資助下,利用高光譜和偏振光譜技術(shù)提取番茄葉片的光譜特征、圖像紋理特征、偏振光譜特征,融合多元信息建立模型,并利用其交互影響修正模型,檢測番茄葉片的氮、磷、鉀含量。根據(jù)多元信息融合預(yù)測的葉片營養(yǎng)含量,采用模糊聚類識別模型,來反演對應(yīng)的氮、磷、鉀組合的施肥脅迫水平,提供施肥所需的信息。本論文的主要研究工作如下:(1)培育氮、磷、鉀單一脅迫番茄植株樣本、交互樣...

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及存在問題
        1.2.1 氮、磷、鉀交互作用研究
        1.2.2 無損檢測技術(shù)研究
        1.2.3 存在問題
    1.3 研究內(nèi)容和技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 本章小結(jié)
第2章 試驗材料和方法
    2.1 樣本培育
        2.1.1 脅迫樣本的培育
        2.1.2 交互樣本的培育
    2.2 實驗儀器
        2.2.1 偏振光譜儀器的基本構(gòu)成
        2.2.2 高光譜成像儀器的基本構(gòu)成
    2.3 樣本采集及試驗
        2.3.1 樣本和數(shù)據(jù)采集
        2.3.2 樣本化學(xué)值含量的檢測
    2.4 本章小結(jié)
第3章 基于高光譜和偏振光譜技術(shù)的特征提取
    3.1 高光譜的光譜特征提取
        3.1.1 基于高相關(guān)性的光譜變換處理
        3.1.2 光譜特征波長提取的聯(lián)合算法
    3.2 圖像處理與特征提取
        3.2.1 高光譜圖像的預(yù)處理
        3.2.2 圖像特征提取
    3.3 偏振特征提取
        3.3.1 番茄葉片不同營養(yǎng)下偏振度和偏振相角的變化
        3.3.2 番茄葉片的偏振度和偏振相角特征提取
    3.4 本章小結(jié)
第4章 氮、磷、鉀多元信息融合預(yù)測模型和交互修正模型
    4.1 多元信息融合方法
        4.1.1 信息融合方法
        4.1.2 模型評價指標(biāo)
    4.2 多元信息預(yù)測模型
        4.2.1 遺傳神經(jīng)網(wǎng)絡(luò)模型
        4.2.2 最小二乘支持向量機(jī)模型
        4.2.3 多元信息預(yù)測模型對交互樣本營養(yǎng)含量的預(yù)測
    4.3 氮、磷、鉀交互修正模型
        4.3.1 二次多項式回歸分析法
        4.3.2 氮、磷、鉀交互回歸模型的建立
    4.4 本章小結(jié)
第5章 氮、磷、鉀交互作用與模式識別研究
    5.1 基于灰度關(guān)聯(lián)分析的氮、磷、鉀含量交互影響
        5.1.1 灰度關(guān)聯(lián)分析方法
        5.1.2 氮、磷、鉀交互的灰度關(guān)聯(lián)分析
    5.2 樣本營養(yǎng)水平的模糊聚類識別
        5.2.1 交互樣本的模糊聚類分析
        5.2.2 交互樣本模糊聚類的模式識別和模型驗證
    5.3 本章小結(jié)
第6章 總結(jié)和期望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
碩士期間發(fā)表的論文與參加的科研工作



本文編號：3865394