基于叶片微结构-光谱信息的黄瓜营养水平快速诊断方法

On the basis of surface micro-morphology and spectral signature of the leave, an evaluation method for greenhouse cucumber nutrient levels will be approached to solve the issues that the rapid determination method of phosphorus and potassium levels of leaves in the term of spectral signature is not feasible, although the spectrum-based method has been used widely and effectively in detection of nitrogen levels. The surface micro- morphology of leaves taken from cucumber plants that grow under different nutrient levels will be investigated using white light interference system, and the spectral signature of the leaves will be studied at the same time. The relationship between the micro- morphology characteristics and nutrient levels will be analyzed. The relationship between the spectral signature and nitrogen levels will be analyzed. The favorite features that can represent the nitrogen, phosphorus and potassium nutrient levels will be selected out from the micro morphology characteristics and the spectral signature based on feature combination, and then the weight of information and the sensitivity of the features under different nutrient levels will be obtained by using the principal component analysis and neural network method. Finally, the fast detection model of nitrogen, phosphorus and potassium will be established. The method will broaden the effective feature space compared with the method that is just based on spectral signature, and it is expected to detect nitrogen, phosphorus and potassium nutrient levels fast and accurately.

快速、精确检测作物营养水平是实现设施作物养分精确管理的前提和关键。针对当前光谱技术能高精度、快速检测作物氮营养水平，但对磷、钾的检测机理仍不成熟的问题，项目以设施作物黄瓜为对象，从叶片表面微结构信息和叶片光谱信息两方面入手，研究叶片表面微结构信息快速、无损获取方法；将微结构信息-光谱信息相融合，研究黄瓜氮、磷、钾营养水平诊断方法。通过研究不同氮、磷、钾营养水平下黄瓜叶片表面的微结构特征和叶片反射光谱特征，优选出氮、磷、钾不同营养水平区分度最大的叶片表面微结构组合特征信息和反射光谱特征波长、分布组合特征。利用主成分分析和神经网络方法，确定氮、磷、钾营养元素在不同条件下各特征的信息权重和灵敏度，确定各独立特征的交叉、混叠的校正因子，建立基于叶片表面微结构-光谱信息融合的设施黄瓜氮、磷、钾营养水平检测模型。相对于单一的光谱检测方法，拓展了有效特征空间，有望实现作物氮、磷、钾养分水平的快速检测。

本项目围绕设施作物养分信息快速检测方面的需求，针对当前光谱技术能高精度、快速检测作物氮营养水平，但对磷、钾的检测机理仍不成熟的问题，项目开展叶片表面微结构信息的获取、表征方法，并结合叶片光谱信息，探求作物氮磷钾养分信息的快速检测方法。主要研究工作如下：.1）.借助白光干涉技术进行基于叶片表面微结构特征的快速检测方法研究，分析不同样本、环境光照、和测量系统参数对叶片表面微结构成像的影响并确定了最佳的观察场景为干涉场、样本大小为0.5cm×0.5cm、图像采集模式为精细采集，光照强度影响不明显。.2）.研究不同磷钾处理水平下黄瓜叶片表面气孔、绒毛、维管束、表皮细胞等微结构形态和密度的变化。测量了气孔、叶肉细胞、维管束以及绒毛等结构的形态参数，包括几何测量、高度测量、剖面测量、体积测量；分析不同磷、钾养分水平下，黄瓜叶片表面微结构形态特征差异。结果表明，钾养分水平下存在显著性差异的结构特征有气孔长度、维管束直径、维管束占整个叶面积的百分比、绒毛高度和绒毛体积；磷养分水平下存在显著性差异的形态特征有气孔大小、绒毛密度和维管束数量。.3）.叶片内部磷钾分布特征：在叶片组织的所有元素中，C和O大概占总元素的90%，在其它元素中Na, Mg, K, S, Fe, Cu更多的存在于栅栏组织中，而, P，Ca, Cl则在海绵组织中大量存在，N和H在海绵组织和栅栏组织中都未探测到是因为它们的分子量很小。.4）.采集不同氮养分水平下叶片光谱特征并进行分析，表征不同氮养分水平下黄瓜叶片光谱特征；氮素检测的最优波长为氮素的最优波长为：486、527、569、691、709和841nm。.5）.对叶片表面微结构信息和光谱信息的表达和优化组合；结合氮磷钾的常规化学测量结果。分析这些特征与叶片氮磷钾钾含量之间关系，建立基于微结构-光谱信息的叶片氮磷钾含量检测模模型，叶片氮素模型预测值与实测值的相关系数R=0.9124，预测均方根误差RMSEP=0.4533，平均相对误差MRE=4.3640；叶片磷素预测模型预测值和实测值的相关系数R=0.7145，预测均方根误差RMSEP=0.4785，平均相对误差MRE=12.4747；叶片钾素预测模型预测值和实测值的相关系数R=0.7545，预测均方根误差RMSEP=0.7452，平均相对误差MRE=10.4524.