CN107703090A - 一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法 - Google Patents
一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法 Download PDFInfo
- Publication number
- CN107703090A CN107703090A CN201710943269.7A CN201710943269A CN107703090A CN 107703090 A CN107703090 A CN 107703090A CN 201710943269 A CN201710943269 A CN 201710943269A CN 107703090 A CN107703090 A CN 107703090A
- Authority
- CN
- China
- Prior art keywords
- moisture content
- terahertz
- spectra
- spectrum
- rape leaf
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 110
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000000605 extraction Methods 0.000 title claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 24
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 claims abstract description 18
- 230000012010 growth Effects 0.000 claims abstract description 10
- 238000001035 drying Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000012417 linear regression Methods 0.000 claims description 18
- 241000196324 Embryophyta Species 0.000 claims description 17
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 16
- 244000188595 Brassica sinapistrum Species 0.000 claims description 12
- 235000004977 Brassica sinapistrum Nutrition 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000004611 spectroscopical analysis Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 229910052757 nitrogen Inorganic materials 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 241000607479 Yersinia pestis Species 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 210000003462 vein Anatomy 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 235000019198 oils Nutrition 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000009738 saturating Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005213 imbibition Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- OYHQOLUKZRVURQ-NTGFUMLPSA-N (9Z,12Z)-9,10,12,13-tetratritiooctadeca-9,12-dienoic acid Chemical compound C(CCCCCCC\C(=C(/C\C(=C(/CCCCC)\[3H])\[3H])\[3H])\[3H])(=O)O OYHQOLUKZRVURQ-NTGFUMLPSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 235000019484 Rapeseed oil Nutrition 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical group [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 230000004103 aerobic respiration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000003968 anodic stripping voltammetry Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000037039 plant physiology Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Toxicology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法,包括:采集参考光谱和油菜叶片样本的太赫兹时域光谱;转换成太赫兹透射光谱;采用干燥称重法计算油菜叶片样本的含水率和相对含水率;采用连续投影算法从太赫兹透射光谱中提取特征频段光谱;根据所提取的特征光谱建立油菜叶片含水率和相对含水率的定量线性回归模型;获取未知水分状态的油菜叶片的太赫兹时域光谱,转换成太赫兹透射光谱,提取相应的特征频段输入已建立的回归模型对叶片水分状态进行预测。本发明利用太赫兹光谱检测技术,提取出对叶片水分较敏感的特征频段,模拟研究对自然条件下正常生长油菜叶片水分状态的定量分析。
Description
技术领域
本发明涉及植物叶片含水率的检测方法,尤其涉及一种基于特征提取方法的太赫兹透射光谱技术检测油菜叶片水分的方法。
背景技术
油菜是我国最主要的油料生产原料和经济作物之一,占我国油料经济作物总面积的40%以上,总油料产量的30%以上。油菜作为油料主要生产作物,其油菜籽油中富含油酸、亚油酸等不饱和脂肪酸,具有预防心血管疾病和降低人体内血清胆固醇等保健功效。水分是油菜生长过程中光合作用、蒸腾作用及养分运输的重要因素之一,也是油菜重要的生理指标之一。油菜的健康生长需要适当的水分用量,超过一定限度时,其正常生理过程就会受到干扰,甚至使植株遭受损伤,这种水分亏缺称为水分胁迫或水分逆境。当水分过多时,会妨碍其有氧呼吸作用而对植株造成伤害;当水分过少时,植株含水量下降,水势和膨压也相应降低,会导致一些病害的发生,如叶片黄化、枯萎、坏死等。油菜叶片内的含水率不但直接影响植物的生长,甚至会影响作物产量,而且还对油菜品质以及种子的安全储藏具有至关重要的作用。因此,对油菜叶片含水率的测定对研究该作物生理状况、长势、品质监控、节水灌溉与智能管理具有重要的意义。
传统的植物叶片含水率测定方法主要有干燥法、蒸馏法、卡尔-费休法,该类检测方法在样本准备上需要花费大量的时间和精力,有些废液废弃物等对环境造成严重污染,且破坏性实验将使植物生长过程无法继续,同时过长的检测时间无法保证数据的时效性与不同样本测量数据之间的同步性。随着光谱技术的快速发展,近红外光谱检测法、高光谱检测法、电磁波检测法及太赫兹波谱(Terahert,THz)检测法广泛应用于植物叶面含水率检测的研究。由于大量的大分子振动和转动能级都处于太赫兹波段(0.1~10THz),在太赫兹波段表现出很强的吸收和谐振,并且物质的太赫兹光谱包含丰富的物理信息和化学信息。太赫兹光子能量低可避免生物细胞的光致电离损伤。太赫兹光谱具有吸水性,大多数极性分子如水分子对太赫兹辐射有强烈的吸收。此外,太赫兹具有较强的穿透性,能穿透像油菜叶片这种较薄的生物样本。因此,太赫兹光谱检测技术在检测油菜叶片水分上具有一定的优势。
发明内容
为克服传统检测方法所存在的问题,本发明提供了一种针对油菜叶片水分的太赫兹光谱特征提取方法,用于叶片水分含量的定量检测。
一种基于特征提取的太赫兹透射光谱检测油菜叶片水分的方法,包括如下步骤:
(1)采用太赫兹时域光谱仪采集以干燥氮气为背景的参考光谱和油菜叶片样本的太赫兹时域光谱;对所得的太赫兹时域光谱进行傅里叶变换和处理,得到对应的太赫兹透射光谱,再对其进行光谱平滑处理;
(2)采用干燥称重法计算油菜叶片样本的含水率和相对含水率;
(3)采用光谱特征提取算法从油菜叶片的太赫兹透射光谱中提取特征光谱频段,利用所提取的特征频段分别对叶片的含水率和相对含水率进行线性回归建模;
(4)获取未知水分状态的油菜叶片的太赫兹时域光谱,经处理和转换后获得对应的太赫兹透射光谱,从中提取步骤(3)中所确定的太赫兹特征频段,然后输入所建立的线性定量回归模型,对叶片的含水率和相对含水率状态进行预测。
由于太赫兹光谱中存在一些与待研究的油菜叶片水分含量无关的冗余信息,本发明采用一种针对水分含量的太赫兹光谱特征提取方法,来简化模型、提高模型精度,用于油菜叶片含水率的定量检测分析。实验选用健康生长的油菜植株,将新鲜叶片从油菜植株上剪下放置在实验室环境下,连续监测叶片水分变化与THz光谱的变化情况,探讨利用THz透射光谱技术检测针对不同叶片水分状态变化的响应规律,提取THz透射光谱的特征光谱频段进行不同含水状态的油菜叶片含水率和相对含水率的定量线性回归建模分析,对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义。
实施本发明方法可采用时域太赫兹光谱透射式扫描系统(THz-TDS),激光器为钛宝石飞秒激光振荡器;波长:800nm;重复频率:80MHz;频率范围:0.1~3.5THz;脉冲宽度:50fs;平均功率:500m W;
作为优选,步骤(1)中的挑选的油菜品种为新油6号。
作为优选,步骤(1)中从健康正常生长的油菜植株上挑选叶片完整、无病虫害且新鲜的油菜叶片作为所述油菜叶片样本。挑选长势良好、叶片完整、无病虫害、大小相近的新鲜油菜叶片。
作为优选,步骤(1)中针对每片油菜叶片样本,每间隔一段时间重复测量一次参考光谱和油菜叶片的太赫兹时域光谱,每次采集完太赫兹时域光谱后立即测量叶片的重量和厚度。每次间隔时间为20min~40min;优选为30min。
作为优选,在叶片的中心部位画一个直径为1cm的圆形标记,在标记内选取的油菜叶片叶肉部分、避开叶脉部分,在圆形标记内圆心附近选取3个不同的点位进行太赫兹时域光谱的采集,每个点位重复采集三次光谱。
选取与采集时域光谱大致相似的点位进行3次叶片厚度的测量,以保证提取太赫兹透射光谱的准确性。
针对同一叶片,将其第一次的称重作为鲜重,烘干至衡重后的称重作为干重,中间过程中的称重作为叶片实时的重量;测量叶片厚度用于后续光谱转换的厚度参数,为保证光谱转换的准确性,测叶片厚度与采集叶片太赫兹光谱的点位大致相近。叶片的重量采用精度为0.0001g的电子天平称取;叶片的厚度采用精度为0.01mm的游标卡尺测量。
针对每个油菜叶片样本,共采集9条时域光谱,将这9条谱取平均作为该叶片最终的时域光谱。积分时间为40ps,时域光谱的采样点数为1000,时间分辨率为39.2fs。
作为优选,在检测过程中,向样本检测仓内充干燥氮气,并采用太赫兹时域光谱系统的透射扫描模块获取以氮气为背景的参考光谱,以及在氮气环境下获取油菜叶片的太赫兹时域光谱。进一步优选,向样本检测仓内充干燥氮气空气湿度低于5%时开始检测。
作为优选,步骤(1)中的转换和处理为:将所采集的太赫兹时域光谱进行傅里叶变换,转换成对应的太赫兹频域光谱,然后根据太赫兹频域光谱提取太赫兹透射光谱,再对太赫兹透射光谱进行平滑处理。进一步优选,所述平滑处理的方法为Savitzky-Golay平滑。
作为优选,太赫兹时域光谱的时间分辨率为39.2fs(飞秒);经傅里叶变换后的太赫兹频域光谱的频率分辨率为25.5GHz,频谱范围为0.1~3.5THz。提取信噪比较高的0.3-2THz区间的透过率光谱图,如图1所示。
作为优选,提取太赫兹透射谱后,采用连续投影算法的特征变量选择机制,在光谱的投影空间中选出一组具有最大不相关性的特征变量,然后结果特征光谱建立叶片水分的线性回归模型。
作为优选,步骤(3)中从全部80个样本集中选出50个样本作为校正集,其余30个样本作为验证集,进行基于太赫兹透射特征光谱的线性建模分析。采用连续投影算法从全部80个样本的太赫兹透射光谱中共提取出7个特征光谱频段:0.30THz,0.37THz,0.60THz,1.10THz,1.12THz,1.30THz,1.82THz。其中特征频段0.30THz,0.37THz,0.60THz,1.12THz对叶片含水率具有较高的响应,特征频段0.30THz,1.10THz,1.30THz,1.82THz对叶片的相对含水率具有较高的响应。可以看出重复出现的0.30THz波段以及1.1THz附近的特征频段能有效的指示叶片的水分状态。图2显示了基于太赫兹透射光谱的特征提取图,其中特征频段0.3THz对叶片含水率与相对含水率均为敏感频段。
连续投影算法参考如下文献中公开的方法:
[1]Araújo,M.C.U.;Saldanha,T.C.B.;R.K.H.;Yoneyama,T.;Chame,H.C.;Visani,V.The successive projections algorithm for variable selection inspectroscopic multicomponent analysis.Chemometr.Intell.Lab.2001,57,65–73.
[2]Marreto,P.D.;Zimer,A.M.;Faria,R.C.;Mascaro,L.H.;Pereira,E.C.;Fragoso,W.D.;Lemos,S.G.Multivariate linear regression with variable selectionby a successive projections algorithm applied to the analysis of anodicstripping voltammetry data.Electrochim.Acta 2014,127,68–78.
根据所提取的太赫兹特征频段所建立的叶片含水率和相对含水率的线性回归模型如下:
含水率检测模型:
Y=1.3203-4.0419X(0.30THz)+3.6663X(0.37THz)-
2.2111X(0.60THz)+1.3104X(1.12THz);
相对含水率检测模型:
Y=1.4266-3.7984X(0.30THz)-3.3103X(1.10THz)+
3.8827X(1.30THz)+2.385X(1.82THz);
针对含水率检测的模型结果为:相关系数为0.8634,均方根误差为0.0092;针对相对含水率检测的模型结果为:相关系数为0.8690,均方根误差为0.0228。本发明获取油菜叶片在0-40ps内的时域光谱;将时域光谱进行傅里叶变换得到0.1~3.5THz范围内的频率光谱;采用连续投影算法的特征光谱变量选择机制,共选出7个太赫兹特征频段(0.30THz,0.37THz,0.60THz,1.10THz,1.12THz,1.30THz,1.82THz);根据特征频段进行叶片含水率和相对含水率的定量线性回归建模;获取待检油菜叶片的透射的特征光谱并输入所述模型,得到相应的水分状态检测结果。本发明利用太赫兹光谱检测技术,可用于研究对自然条件下正常生长油菜叶片水分状态的定量分析,对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义,展示了THz在植物水分检测领域中的应用前景。
本发明利用太赫兹光谱检测技术,提取出对叶片水分较敏感的特征频段,模拟研究对自然条件下正常生长油菜叶片水分状态的定量分析,对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义,展示了太赫兹光谱技术在植物水分检测领域中的应用前景。
与现有技术相比,本发明具有如下有益效果:
针对基于太赫兹透射特征光谱的油菜叶片水分状态的定量检测,相比于其他类型的模型,提取的太赫兹特征频段数量较少,模型具有方法简单、精度高、稳定性好等优点。相比于传统叶片水分检测方法,太赫兹光谱检测技术由于具有强吸水特性,大多数极性分子如水分子、氨气分子等对太赫兹辐射有强烈的吸收。此外,太赫兹具有强穿透性能,能穿透油菜叶片这类较薄的生物样本,进而可以实现相比于反射测量精度更高的透射式测量。因此,利用太赫兹光谱的吸水性和穿透性是研究物质水分含量与分布情况的科学手段之一。
附图说明
图1:油菜叶片的太赫兹透射光谱图(0.3-2THz)。
图2:基于太赫兹透射光谱的特征提取图。
图3:线性回归模型结果图:(a)为叶片含水率,(b)为叶片相对含水率。
具体实施方式
本文实施一种针对油菜叶片水分的太赫兹透射光谱特征提取与建模方法,包括以下步骤:
(1)样本准备:在实验前一个星期将健康生长的油菜植株从大田中移栽至温室,保持光照时长10h,温度24度,湿度65%。共移栽8盆,每盆3株,每天施加适量的水分,以确保油菜的正常生长,且保证土壤含水率均为70%-80%左右。
(2)光谱采集:实验仪器采用CIP-THz透射扫描系统,向样本仓内充满的干燥氮气,使系统内部湿度小于5%。整个实验过程中,实验室内恒温294K,相对湿度恒低于20%。先采集以氮气为背景的参考光谱。然后从8盆油菜植株中各取一片油菜叶片,将其依次摘下进行样本光谱的采集。在每片叶片上画一个直径为1cm的圆形标记,在标记内圆心位置附近选择3个不同的点位(选择叶肉部分,避开叶脉部位),每个点位重复采集3次。将获取的9条时域光谱取平均作为该样本的太赫兹时域光谱。实验过程中,每次扫完THz光谱后立即采用精度为0.0001g的电子天平称取叶片的重量,并采用精度为0.01mm的游标卡尺测量叶片厚度。测量叶片厚度的点位与采集光谱的点位大致相近,以保证后续提取透射光谱的准确性。然后将叶片放置在实验室环境下,每隔30min重复测一次参考光谱、油菜样品光谱、叶片重量和叶片厚度,连续监测10组,共得到10条参考谱线和80条信号谱线。
(3)水分计算:采用干燥称重法,将采集完光谱数据后的油菜叶片放入65℃烘干箱内烘干至衡重,然后采用公式(1)和公式(2)分别计算叶片的含水率和相对含水率。
其中Wfresh是叶片的鲜重,Wdry是叶片的干重,Wtime是在重复测量过程中叶片的重量。
(4)光谱处理:将所采集的样本太赫兹时域光谱进行傅里叶变换,转换成对应的频域谱数据,然后根据公式(6)提取相应的太赫兹透射光谱。再采用Savitzky-Golay方法对透射谱进行平滑去噪处理。
测量的样品宏观光学性质可以用复折射率表示:
其中,n(ω)为样品的实际折射率,它描述的是样品的色散;k(ω)为消光系数,它描述的是样品的吸收特性。ω=2πf,f为频率。参考光谱Eref(ω)表达式为:
l为太赫兹脉冲在自由空间传播的距离,c为光速,穿过样品的信号光谱可表示为:
样本的透射光谱可表示为:
其中,太赫兹发射的频域波形为E0(ω),探测器直接接收到的发射频域波形即为参考光谱Eref(ω),穿过样品之后探测器接收到的频域波形为样本信号Esample(ω)。n(ω)为样品的实际折射率。ω=2πf,f为频率。c为光速,d为样品厚度,1/(n(ω)+1)和2n(ω)/(n(ω)+1)分别为太赫兹脉冲入射样品和出射样品的透射系数。
(5)特征提取:采用连续投影算法在全部80个样本的太赫兹透射光谱中提取一组具有最大不相关性的特征变量。共选出7个太赫兹特征频段(0.30THz,0.37THz,0.60THz,1.10THz,1.12THz,1.30THz,1.82THz)。
(6)模型建立:根据所提取出的太赫兹特征频段,结合相应的含水率与相对含水率,分别建立线性回归模型。
含水率检测模型:
Y=1.3203-4.0419X(0.30THz)+3.6663X(0.37THz)-
2.2111X(0.60THz)+1.3104X(1.12THz)
相对含水率检测模型:
Y=1.4266-3.7984X(0.30THz)-3.3103X(1.10THz)+
3.8827X(1.30THz)+2.385X(1.82THz)
(7)模型检验:将全部样本集,以及划分校正集与验证集的样本分别带入步骤(6)中所建立的线性回归模型中,测试模型的性能。其中校正集样本数为50,验证集样本数为30(表1)。针对叶片含水率与相对含水量的模型结果见图3。
表1:样本集划分结果
N:样本数,SD:标准差
模型结果如表2所示。可以看出,采用所提取的光谱特征变量建立的线性回归模型的结果较优,能在一定程度上揭示叶片的含水状态等信息。
表2:基于太赫兹透射特征光谱的模型结果
(8)水分预测:针对未知水分状态的油菜叶片,采集其太赫兹时域光谱进行频域转换获得太赫兹透射光谱,然后提取特征变量,将其太赫兹透射的特征频段输入至已建立的线性回归模型中,即可预测出相应的含水率与相对含水率。
Claims (6)
1.一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法,其特征在于,包括如下步骤:
(1)采用太赫兹时域光谱仪采集以干燥氮气为背景的参考光谱和油菜叶片样本的太赫兹时域光谱;对所得的太赫兹时域光谱进行傅里叶变换和处理,得到对应的太赫兹透射光谱,再对其进行光谱平滑处理;
(2)采用干燥称重法计算油菜叶片样本的含水率和相对含水率;
(3)采用光谱特征提取算法从油菜叶片的太赫兹透射光谱中提取特征光谱频段,利用所提取的特征频段分别对叶片的含水率和相对含水率进行线性回归建模;
(4)获取未知水分状态的油菜叶片的太赫兹时域光谱,经处理和转换后获得对应的太赫兹透射光谱,从中提取步骤(3)中所确定的太赫兹特征频段,然后输入所建立的线性定量回归模型,对叶片的含水率和相对含水率状态进行预测。
2.根据权利要求1所述方法,其特征在于,从健康正常生长的油菜植株上挑选叶片完整、无病虫害且新鲜的油菜叶片作为所述油菜叶片样本。
3.根据权利要求1所述方法,其特征在于,在叶片的中心部位画一个直径为1cm的圆形标记,在标记内选取的油菜叶片叶肉部分、避开叶脉部分,选取3个不同的点位进行太赫兹时域光谱的采集,每个点位重复采集三次光谱。
4.根据权利要求1所述方法,其特征在于,太赫兹时域光谱的时间分辨率为39.2fs;经傅里叶变换后的太赫兹频域光谱的频率分辨率为25.5GHz,频谱范围为0.1~3.5THz。
5.根据权利要求1所述方法,其特征在于,所述光谱特征提取算法为连续投影算法,在太赫兹透射光谱的向量投影空间中提取相关性最小的一组特征频段,共提取出7个特征频段:0.30THz,0.37THz,0.60THz,1.10THz,1.12THz,1.30THz,1.82THz。
6.根据权利要求5所述方法,其特征在于,根据所提取的太赫兹特征频段所建立的叶片含水率和相对含水率的线性回归模型如下:
含水率检测模型:
Y=1.3203-4.0419X(0.30THz)+3.6663X(0.37THz)-
2.2111X(0.60THz)+1.3104X(1.12THz);
相对含水率检测模型:
Y=1.4266-3.7984X(0.30THz)-3.3103X(1.10THz)+
3.8827X(1.30THz)+2.385X(1.82THz);
针对含水率检测的模型结果为:相关系数为0.8634,均方根误差为0.0092;针对相对含水率检测的模型结果为:相关系数为0.8690,均方根误差为0.0228。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710943269.7A CN107703090A (zh) | 2017-10-11 | 2017-10-11 | 一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710943269.7A CN107703090A (zh) | 2017-10-11 | 2017-10-11 | 一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107703090A true CN107703090A (zh) | 2018-02-16 |
Family
ID=61184912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710943269.7A Pending CN107703090A (zh) | 2017-10-11 | 2017-10-11 | 一种基于特征提取的太赫兹光谱检测油菜叶片含水率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703090A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975759A (zh) * | 2010-09-07 | 2011-02-16 | 中国农业大学 | 透射式无损检测植物叶片含水量的装置和方法 |
CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
CN105628640A (zh) * | 2015-09-24 | 2016-06-01 | 首都师范大学 | 一种基于太赫兹光谱技术的检测尿液的方法 |
CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
CN106525761A (zh) * | 2016-11-08 | 2017-03-22 | 浙江大学 | 基于太赫兹光谱扫描的亚硝酸盐检测方法 |
-
2017
- 2017-10-11 CN CN201710943269.7A patent/CN107703090A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975759A (zh) * | 2010-09-07 | 2011-02-16 | 中国农业大学 | 透射式无损检测植物叶片含水量的装置和方法 |
CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
CN105628640A (zh) * | 2015-09-24 | 2016-06-01 | 首都师范大学 | 一种基于太赫兹光谱技术的检测尿液的方法 |
CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
CN106525761A (zh) * | 2016-11-08 | 2017-03-22 | 浙江大学 | 基于太赫兹光谱扫描的亚硝酸盐检测方法 |
Non-Patent Citations (1)
Title |
---|
马品等: "运用太赫兹光谱技术检测天麻中的水分含量", <太赫兹科学与电子信息学报> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Rapid determination of leaf water content using VIS/NIR spectroscopy analysis with wavelength selection | |
CN107561032A (zh) | 基于太赫兹吸收系数光谱检测油菜叶片水分状态的方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN103293111A (zh) | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 | |
CN109187441A (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
CN103868880A (zh) | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 | |
CN101975759A (zh) | 透射式无损检测植物叶片含水量的装置和方法 | |
CN111829965A (zh) | 水稻地上部淀粉积累量遥感反演模型和方法 | |
CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
CN109115951A (zh) | 基于冠层结构与冠层光谱的水稻植株全氮估测方法 | |
CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
CN108982406A (zh) | 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法 | |
CN107328735A (zh) | 基于太赫兹光谱技术的油菜种类鉴别方法 | |
Li et al. | Measurements and analysis of water content in winter wheat leaf based on terahertz spectroscopy | |
CN107271372A (zh) | 一种苹果叶片叶绿素遥感估测方法 | |
CN111912793A (zh) | 利用高光谱测量烟草中镉含量的方法及预测模型的建立 | |
Cai et al. | Soil nutrient information extraction model based on transfer learning and near infrared spectroscopy | |
Qu et al. | Review of theoretical methods and research aspects for detecting leaf water content using terahertz spectroscopy and imaging | |
CN110320164A (zh) | 一种生菜全氮含量高光谱反演模型的建立方法及其应用 | |
CN106770054A (zh) | 基于光谱吸收特征的黑土含水量速测方法 | |
CN113049499A (zh) | 水体总氮浓度间接遥感反演方法、存储介质和终端设备 | |
CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
CN107576631A (zh) | 基于太赫兹透射率光谱检测油菜叶片水分状态的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |