CN101382488A - 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 - Google Patents
利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 Download PDFInfo
- Publication number
- CN101382488A CN101382488A CNA2008101557163A CN200810155716A CN101382488A CN 101382488 A CN101382488 A CN 101382488A CN A2008101557163 A CNA2008101557163 A CN A2008101557163A CN 200810155716 A CN200810155716 A CN 200810155716A CN 101382488 A CN101382488 A CN 101382488A
- Authority
- CN
- China
- Prior art keywords
- nitrogen content
- tea
- bright leaf
- diffuse reflection
- reflection spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种可见－近红外漫反射光谱技术检测茶鲜叶氮含量的方法，属于农林生命信息探测技术领域。本发明的所说的方法，首先利用便携式辐射光谱仪，在350～2500nm范围内直接获取冠层茶鲜叶表面漫反射光谱信息，在实验室内用国标方法精确测定茶鲜叶氮含量、在田间用叶绿素仪等快速测定茶鲜叶氮含量的相对值，然后采用化学计量学方法建立茶鲜叶氮含量校正模型，最后基于此模型对待测茶鲜叶样品的氮含量进行检测或估计。本发明既能快速、无损、准确测定茶鲜叶的氮含量，又能便捷估测茶树的氮素营养水平，为茶园田间的施肥管理提供参数依据和指导。
Description
技术领域
本发明属于农林生命信息探测技术领域。涉及一种基于光谱分析技术检测植株叶片氮含量的方法，特别是一种基于可见-近红外漫反射光谱技术快速无损检测茶鲜叶氮含量的方法。
背景技术
氮素在茶叶内平均含量约占干重的1.5％，是合成蛋白质和叶绿素的重要组成部分，又参与酶的合成，它在多方面直接或间接影响茶树的代谢活动和生长发育，特别是对茶叶有效成分氨基酸含量的多寡具有重要意义。因此，监测氮素营养状况是茶树栽培管理过程中的主要内容之一。
为及时掌握作物的生长情况，人们常根据经验进行外观诊断，但其可靠性不高；或采用基于土壤和作物的实验室分析，而这些分析普遍要求破坏土壤和植被样本，且测量费时费力，过程复杂；传统的氮素营养诊断无损测试方法主要有肥料窗口法和叶色卡片法，这些方法均属于定性或半定量的方法。也有采用快速、简便、非破坏性的现代分析方法测定氮含量的，如日本研制的叶绿素仪SPAD-502能快速测定作物叶片的叶绿素相对含量，而叶绿素含量与作物叶片氮含量又有相关关系，所以可通过SPAD值间接了解作物叶片的氮含量。目前，国外利用SPAD-502诊断水稻氮素营养的研究比较成熟。国内有不少学者研究作物如油菜、小麦、水稻等叶绿素仪读数(SPAD值)、叶片叶绿素含量和叶片氮含量之间的相关关系。虽然叶绿素仪读数和叶片氮含量之间具有线性关系，但这种线性关系受作物品种、发育阶段、测定的叶位及叶片上测点位置的影响而存在较大差异。因此，根据叶绿仪读数来指示作物氮含量的可靠性、精度不高。
另一种快速无损的氮含量检测方法——光谱分析法目前也得到了广泛应用。如申请号为200710069116.0的发明专利申请，公开了一种多光谱成像技术快速无损测量茶树含氮量的方法，其测量对象为茶树冠层，不能真实反映叶片的氮含量水平；公开号为WO9919824的PCT专利申请，公开了一种利用多光谱图像监测植被氮营养状态的方法，在去除背景影响后，仅计算在绿光波段的反射率，来估测植被的氮素营养状况；申请号为200710019340.9的中国发明专利申请，公开了了一种针对水稻、小麦叶片氮素营养指标的便携式无损、实时监测装置，但仅仅通过四个光谱波段组合成NDVI植被指数，来监测氮素营养水平，未包含足够的光谱信息。鲍一丹等分析了土壤含水量和土壤粒径大小对氮含量光谱预测模型的影响；孙建英等选取几个特征波长点处的光谱信息进行了全氮含量的多元回归分析。由于土壤成分复杂，氮含量的测定受多种因素干扰，且土壤中氮含量不能直接反映作物氮的吸收情况，而作物叶片氮含量则能更直观反映作物氮素营养状况。
张金恒等指出水稻叶片氮含量的敏感波段为绿光(525～605nm)、黄光(605～655nm)和短波近红外光(750～1100nm)；薛利红等主要研究了不同施氮水平下小麦叶片氮含量及氮积累量与冠层反射光谱之间的相关关系，但未建立氮素营养光谱诊断模型；陈斌根据茶鲜叶的反射光谱特性成功测定了其叶绿素含量，但未给出氮含量的光谱检测模型。
由以上分析可知，通过作物叶片反射光谱估测氮含量是可行的。但难点在于如何快速建立茶鲜叶氮含量的光谱模型，并快速进行田间检测。
发明内容
本发明的目的在于：利用可见-近红外光谱分析技术，建立适合于田间在线检测茶鲜叶氮含量的模型，一方面适合获取精确的氮含量值，另一方面估测茶鲜叶氮素营养水平，用于指导茶园田间施肥管理。
为了达到以上目的，本发明的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，直接选取茶园茶鲜叶为对象，采用便携式辐射光谱仪获取的光谱信息和不同精度氮含量值，进行定标和预测。
本发明采用的技术方案，其步骤是：(1)利用光谱仪直接获取茶鲜叶表面反射光谱信息；(2)在实验室测量茶鲜叶氮含量的精确值，在田间获取茶鲜叶氮含量的相对值；(3)采用化学计量学方法分别建立用于精确检测和估计茶鲜叶氮含量的校正模型；(4)基于步骤(3)所得模型，对待测的茶鲜叶样本的氮含量进行精确检测或估计。
以上技术方案中的茶鲜叶表面为茶园现场茶树冠层处活体叶片上表面，不包含未展叶的幼芽和破损叶片，并将其分成校正样本和待测样品两类。
以上技术方案中的光谱仪为便携式辐射光谱仪，便于在野外田间手持操作，其扫描波长范围为350～2500nm，遍及可见光至近红外光谱范围。
以上技术方案的步骤(1)中的反射光谱信息为太阳光辐射下经标准白板标定的漫反射光谱，在太阳辐射较强的晴天，先把光谱仪经标准白板标定，再扫描样品光谱。
以上技术方案的步骤(2)中，在实验室内是采用国标方法(如凯氏定氮法等)精确测定茶鲜叶氮含量，在田间是利用叶绿素仪(如SPAD-502等)测定茶鲜叶叶绿素含量作为其氮含量的相对值；分别用于氮含量的精确测量或估测，指导茶园田间施肥管理。
以上技术方案的步骤(3)中的化学计量学方法包括微分、滑动平均滤波等预处理方法用以消除高频随机噪声、基线漂移的影响；以及偏最小二乘回归方法，用以建立光谱与氮含量之间的量化关系模型。
以上技术方案的步骤(4)是在太阳光辐射下，将茶园田间待测茶鲜叶样品经便携式光谱仪扫描，把获得光谱信息带入上述模型，即可得到其精确的或者相对的氮含量，误差均在5％以内。
本发明与背景技术相比，使用便携式辐射光谱仪，以太阳光为光源，既能快速、无损、准确测定冠层茶鲜叶的氮含量，又能便捷估测茶树的氮素营养水平，信息直接可靠，可为茶园田间的施肥管理提供参数依据和指导。
附图说明
图1为利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法的原理步骤图；其中空心箭头指向为建立校正模型的流程、实心箭头指向为建立预测模型进行预测的流程。
具体实施方式
利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法的技术系统由便携式辐射光谱仪、计算机、标准白板、电源、凯氏定氮仪、叶绿素仪和化学计量学软件等组成，结合附图来说明该方法的具体实施方式。
选择太阳辐射强、无云的晴天，光谱采集时段为上午10：00至下午15：00。在茶园中标记冠层茶鲜叶样品，并分成校正样本和待测样品两类。选用美国ASD公司FieldSpec 3便携式辐射光谱仪，选用8°视场角的探头，采用漫反射方式。测量时保持光谱仪距离样本表面2～3cm，以确保视场域范围在叶片内。测定前进行系统配置优化和标准白板标定。每个样本重复测量3次，每条谱线经过10次扫描。以上光谱信息采集使用IBM X32笔记本电脑通过无线或者以太网方式操作和通讯。
然后用日本美能达公司的SPAD502叶绿素仪测定所有样品的叶绿素值，作为其相对氮含量值，其范围为20.0～90.3。之后，将所有叶片采摘送至实验室，利用凯氏定氮法精确测定其全氮含量。样本在105℃鼓风干燥箱中先烘10～30min进行杀青，再降温到65℃保持一段时间，直至逐尽水分。烘干的样品粉碎后全部过筛，再采用凯氏定氮法测定全氮含量，其范围为1.423％～3.515％。
以下为建立采用茶鲜叶漫反射光谱与精确全氮含量值之间关系模型的方法和过程。
利用光谱仪自带软件ViewSpec Pro 4.05进行光谱数据的预处理并导出，用化学计量学软件NIRSA2.2(软件著作权登记号2007SR06801)建立校正模型。采用的预处理方法有：微分、滑动平均滤波(MAF)和归一化；采用的化学计量学算法为片最小二乘回归(PLSR)。表1给出了不同预处理方法、不同主成分因子数时PLSR预测模型的结果。
表1 不同预处理方法、不同主成分因子数时PLSR预测模型结果
由表1可知一阶微分比二阶微分的结果好。因平滑处理可有效平滑高频噪声，又将滑动平均滤波(MAF)与微分处理相结合，结果表明，采用一阶微分与MAF相结合所得预测模型最佳，其预测相关系数为0.8881，均方根误差为0.1304。又将其与归一化的预处理方法相结合，但结果并未得到优化，其预测精度反而有所下降。
所以，采用一阶微分与滑动平均滤波相结合的预处理方法，选用7个主成分时建立的偏最小二乘回归模型最佳，校正集均方根误差RMSEC为0.0973。用此模型对已精确测定全氮含量的25个样品进行预测，预测的平均相对误差为4.339％，详细结果见表2。
表2 25个待测样品精确氮含量预测结果
以下为建立采用茶鲜叶漫反射光谱与相对氮含量值之间关系模型的方法和过程。
利用光谱仪自带软件ViewSpec Pro 4.05进行光谱数据的预处理并导出，用化学计量学软件NIRSA 2.2(软件著作权登记号2007SR06801)建立校正模型。采用的预处理方法有：二阶微分和Savitzky-Golay滤波；采用的化学计量学算法为片最小二乘回归(PLSR)，经留一交叉验证，PLS主成分数为9个。结果得到校正集的均方根误差RMSEC为10.0781，预测模型的相关系数达到0.8992。用此模型对已获取相对氮含量值的12个样品进行预测，预测的平均相对误差为4.339％，详细结果见表3。
表3 12个待测样品相对氮含量预测结果
本发明不限于这些公开的实施方案，本发明将覆盖在专利书中所描述的范围，以及权利要求范围的各种变型和等效变化。
Claims (7)
1.一种利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于，包括以下步骤：
(1)利用光谱仪直接获取茶鲜叶表面反射光谱信息；
(2)在实验室测量茶鲜叶氮含量的精确值，在田间获取茶鲜叶氮含量的相对值；
(3)采用化学计量学方法分别建立用于精确检测和估计茶鲜叶氮含量的校正模型；
(4)基于步骤(3)所得模型，对待测的茶鲜叶样本的氮含量进行精确检测或估计。
2.根据权利要求1所述的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于：所述的茶鲜叶表面为茶园现场茶树冠层处活体叶片上表面。
3.根据权利要求1所述的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于：所述光谱仪为便携式辐射光谱仪。
4.根据权利要求1所述的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于：所述光谱仪的扫描波长范围为350～2500nm。
5.根据权利要求1所述的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于：所述的反射光谱信息为太阳光辐射下经标准白板标定的漫反射光谱。
6.根据权利要求1所述的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于：所述的步骤(2)中，在实验室内是采用国标方法精确测定茶鲜叶氮含量，在田间是利用叶绿素仪测定茶鲜叶叶绿素含量作为其氮含量的相对值。
7.根据权利要求1所述的利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法，其特征在于：所述步骤(3)中的化学计量学方法包括微分、滑动平均滤波、Savitzky-Golay滤波和偏最小二乘回归方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101557163A CN101382488B (zh) | 2008-10-14 | 2008-10-14 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101557163A CN101382488B (zh) | 2008-10-14 | 2008-10-14 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101382488A true CN101382488A (zh) | 2009-03-11 |
| CN101382488B CN101382488B (zh) | 2010-09-29 |
Family
ID=40462444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101557163A Expired - Fee Related CN101382488B (zh) | 2008-10-14 | 2008-10-14 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101382488B (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101907564A (zh) * | 2010-06-24 | 2010-12-08 | 江苏大学 | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 |
| CN101915738A (zh) * | 2010-06-23 | 2010-12-15 | 江苏大学 | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 |
| CN102072882A (zh) * | 2010-04-16 | 2011-05-25 | 姚孝明 | 一种基于叶片图像特征的植物养分含量指标定量分析方法 |
| CN102128807A (zh) * | 2010-12-24 | 2011-07-20 | 江苏大学 | 一种快速检测作物叶面雾滴浓度的方法 |
| CN101514959B (zh) * | 2009-03-26 | 2011-08-03 | 中国农业科学院茶叶研究所 | 一种茶树氮素营养无损快速测定和控制方法 |
| CN102175626A (zh) * | 2010-12-31 | 2011-09-07 | 北京京鹏环球科技股份有限公司 | 一种基于光谱图像分析的黄瓜叶片含氮量预测方法 |
| CN102590129A (zh) * | 2012-01-11 | 2012-07-18 | 中国农业科学院农产品加工研究所 | 近红外检测花生中氨基酸含量的方法 |
| CN102654421A (zh) * | 2011-03-02 | 2012-09-05 | 中国科学院电子学研究所 | 一种高空间、高光谱分辨率的高性能成像光谱仪 |
| CN102841073A (zh) * | 2012-09-10 | 2012-12-26 | 浙江大学 | 一种基于背景消除的植物冠层信息光谱检测方法 |
| CN103308465A (zh) * | 2013-05-31 | 2013-09-18 | 南京农业大学 | 一种主动光源式作物冠层反射光谱测量装置用信号处理系统及方法 |
| CN103592231A (zh) * | 2013-10-30 | 2014-02-19 | 浙江大学 | 一种茶叶叶片中氮含量的测定方法 |
| CN105574516A (zh) * | 2016-01-20 | 2016-05-11 | 浙江大学城市学院 | 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法 |
| CN105866067A (zh) * | 2016-06-16 | 2016-08-17 | 江西出入境检验检疫局检验检疫综合技术中心 | 一种基于近红外光谱技术的茶粕中茶皂素快速测定方法 |
| CN106092910A (zh) * | 2016-05-23 | 2016-11-09 | 塔里木大学 | 一种枣树冠层氮含量的检测方法 |
| CN106404699A (zh) * | 2016-12-02 | 2017-02-15 | 南京农业大学 | 一种梨树叶片氮素含量的无损测量方法 |
| CN106442365A (zh) * | 2016-12-02 | 2017-02-22 | 南京农业大学 | 一种梨树精准施氮技术 |
| CN108007916A (zh) * | 2017-03-16 | 2018-05-08 | 黑龙江八农垦大学 | 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型 |
| CN109313125A (zh) * | 2016-06-22 | 2019-02-05 | 索尼公司 | 感测系统、感测方法以及感测装置 |
| CN109540832A (zh) * | 2018-11-23 | 2019-03-29 | 天津农学院 | 一种基于融合近-中红外光谱规模化奶牛场粪液中总氮的检测方法 |
| CN110175525A (zh) * | 2019-04-28 | 2019-08-27 | 浙江大学 | 一种耐盐黄秋葵品种快速筛选方法 |
| WO2021035858A1 (zh) * | 2019-08-26 | 2021-03-04 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
| CN113504185A (zh) * | 2021-03-29 | 2021-10-15 | 合肥工业大学 | 结合libs定标的多光谱农产品重金属含量检测建模系统 |
| CN114140695A (zh) * | 2021-12-17 | 2022-03-04 | 青岛农业大学 | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 |
| CN115266633A (zh) * | 2022-04-19 | 2022-11-01 | 安庆市长三角未来产业研究院 | 一种利用远红外吸收快速诊断番茄是否处于低温胁迫或弱光胁迫状态的方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102680416A (zh) * | 2012-04-19 | 2012-09-19 | 江苏大学 | 一种夏秋茶内咖啡因含量的快速检测方法及装置 |
-
2008
- 2008-10-14 CN CN2008101557163A patent/CN101382488B/zh not_active Expired - Fee Related
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101514959B (zh) * | 2009-03-26 | 2011-08-03 | 中国农业科学院茶叶研究所 | 一种茶树氮素营养无损快速测定和控制方法 |
| CN102072882A (zh) * | 2010-04-16 | 2011-05-25 | 姚孝明 | 一种基于叶片图像特征的植物养分含量指标定量分析方法 |
| CN101915738A (zh) * | 2010-06-23 | 2010-12-15 | 江苏大学 | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 |
| CN101907564A (zh) * | 2010-06-24 | 2010-12-08 | 江苏大学 | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 |
| CN102128807B (zh) * | 2010-12-24 | 2013-01-23 | 江苏大学 | 一种快速检测作物叶面雾滴浓度的方法 |
| CN102128807A (zh) * | 2010-12-24 | 2011-07-20 | 江苏大学 | 一种快速检测作物叶面雾滴浓度的方法 |
| CN102175626A (zh) * | 2010-12-31 | 2011-09-07 | 北京京鹏环球科技股份有限公司 | 一种基于光谱图像分析的黄瓜叶片含氮量预测方法 |
| CN102654421A (zh) * | 2011-03-02 | 2012-09-05 | 中国科学院电子学研究所 | 一种高空间、高光谱分辨率的高性能成像光谱仪 |
| CN102590129B (zh) * | 2012-01-11 | 2014-03-26 | 中国农业科学院农产品加工研究所 | 近红外检测花生中氨基酸含量的方法 |
| CN102590129A (zh) * | 2012-01-11 | 2012-07-18 | 中国农业科学院农产品加工研究所 | 近红外检测花生中氨基酸含量的方法 |
| CN102841073A (zh) * | 2012-09-10 | 2012-12-26 | 浙江大学 | 一种基于背景消除的植物冠层信息光谱检测方法 |
| CN103308465A (zh) * | 2013-05-31 | 2013-09-18 | 南京农业大学 | 一种主动光源式作物冠层反射光谱测量装置用信号处理系统及方法 |
| CN103308465B (zh) * | 2013-05-31 | 2016-04-13 | 南京农业大学 | 一种主动光源式作物冠层反射光谱测量装置用信号处理系统及方法 |
| CN103592231A (zh) * | 2013-10-30 | 2014-02-19 | 浙江大学 | 一种茶叶叶片中氮含量的测定方法 |
| CN105574516A (zh) * | 2016-01-20 | 2016-05-11 | 浙江大学城市学院 | 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法 |
| CN105574516B (zh) * | 2016-01-20 | 2018-10-19 | 浙江大学城市学院 | 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法 |
| CN106092910A (zh) * | 2016-05-23 | 2016-11-09 | 塔里木大学 | 一种枣树冠层氮含量的检测方法 |
| CN105866067A (zh) * | 2016-06-16 | 2016-08-17 | 江西出入境检验检疫局检验检疫综合技术中心 | 一种基于近红外光谱技术的茶粕中茶皂素快速测定方法 |
| CN109313125A (zh) * | 2016-06-22 | 2019-02-05 | 索尼公司 | 感测系统、感测方法以及感测装置 |
| CN109313125B (zh) * | 2016-06-22 | 2022-05-27 | 索尼公司 | 感测系统、感测方法以及感测装置 |
| CN106404699A (zh) * | 2016-12-02 | 2017-02-15 | 南京农业大学 | 一种梨树叶片氮素含量的无损测量方法 |
| CN106442365A (zh) * | 2016-12-02 | 2017-02-22 | 南京农业大学 | 一种梨树精准施氮技术 |
| CN108007916A (zh) * | 2017-03-16 | 2018-05-08 | 黑龙江八农垦大学 | 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型 |
| CN108007916B (zh) * | 2017-03-16 | 2020-08-04 | 黑龙江八一农垦大学 | 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型 |
| CN109540832A (zh) * | 2018-11-23 | 2019-03-29 | 天津农学院 | 一种基于融合近-中红外光谱规模化奶牛场粪液中总氮的检测方法 |
| CN110175525B (zh) * | 2019-04-28 | 2021-01-26 | 浙江大学 | 一种耐盐黄秋葵品种快速筛选方法 |
| CN110175525A (zh) * | 2019-04-28 | 2019-08-27 | 浙江大学 | 一种耐盐黄秋葵品种快速筛选方法 |
| WO2021035858A1 (zh) * | 2019-08-26 | 2021-03-04 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
| GB2591565A (en) * | 2019-08-26 | 2021-08-04 | Univ Jiangsu | Method for synchronously diagnosing nitrogen, potassium, and magnesium deficiency based on chlorophyll distribution characteristics on leaf surface |
| GB2591565B (en) * | 2019-08-26 | 2022-10-12 | Univ Jiangsu | Method for synchronously diagnosing nitrogen, potassium, and magnesium deficiency based on chlorophyll distribution characteristics on leaf surface |
| CN113504185A (zh) * | 2021-03-29 | 2021-10-15 | 合肥工业大学 | 结合libs定标的多光谱农产品重金属含量检测建模系统 |
| CN114140695A (zh) * | 2021-12-17 | 2022-03-04 | 青岛农业大学 | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 |
| CN114140695B (zh) * | 2021-12-17 | 2024-04-26 | 青岛农业大学 | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 |
| CN115266633A (zh) * | 2022-04-19 | 2022-11-01 | 安庆市长三角未来产业研究院 | 一种利用远红外吸收快速诊断番茄是否处于低温胁迫或弱光胁迫状态的方法 |
| CN115266633B (zh) * | 2022-04-19 | 2024-08-13 | 安庆市长三角未来产业研究院 | 一种利用远红外吸收快速诊断番茄是否处于低温胁迫或弱光胁迫状态的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101382488B (zh) | 2010-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
| Vigneau et al. | Potential of field hyperspectral imaging as a non destructive method to assess leaf nitrogen content in Wheat | |
| CN100590417C (zh) | 一种植物叶片生理指标无损检测方法 | |
| Neto et al. | Vis/NIR spectroscopy and chemometrics for non-destructive estimation of water and chlorophyll status in sunflower leaves | |
| Lamb et al. | Estimating leaf nitrogen concentration in ryegrass (Lolium spp.) pasture using the chlorophyll red-edge: theoretical modelling and experimental observations | |
| CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
| CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
| CN102841063B (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
| Wang et al. | Automatic detection of rice disease using near infrared spectra technologies | |
| Min et al. | Design of a hyperspectral nitrogen sensing system for orange leaves | |
| Sun et al. | Water content detection of potato leaves based on hyperspectral image | |
| CN109540832A (zh) | 一种基于融合近-中红外光谱规模化奶牛场粪液中总氮的检测方法 | |
| Mat et al. | Prediction of sugarcane quality parameters using visible-shortwave near infrared spectroradiometer | |
| CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
| Hong et al. | Comparison of ground‐based remote sensors for evaluation of corn biomass affected by nitrogen stress | |
| CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
| CN109709042A (zh) | 一种用于土壤属性测定的信息采集装置及测定方法 | |
| Tahir et al. | Hyperspectral estimation model for nitrogen contents of summer corn leaves under rainfed conditions | |
| CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
| CN110426367A (zh) | 规模化奶牛场粪水处理全链条环节的粪水中总磷含量的快速预测方法 | |
| Waller et al. | Factors involved in estimating green biomass by canopy spectroreflectance measurements | |
| Abdel-Rahman et al. | Imaging spectroscopy for estimating sugarcane leaf nitrogen concentration | |
| Lu et al. | Predicting cherry leaf chlorophyll concentrations based on foliar reflectance spectra variables | |
| CN201060164Y (zh) | 可见和近红外光谱的植物叶片或冠层灰霉病诊断系统 | |
| CN110231303A (zh) | 一种快速测定奇亚籽灰分含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100929 Termination date: 20181014 |