高光谱图像信息表征氮、磷、钾、镁元素亏缺初期黄瓜叶片组分叶面分布特征研究

Changes in concentrations and proportions of leaf component are resulting from mild nitrogen (N), phosphorus (P), potassium (K) and magnesium (Mg) deficiencies in small areas of cucumber leaf. In this project, new method is proposed to process hyperspectral image. Spectral data of each pixel in hyperspectral image are used to determine leaf component concentrations and proportions distribution maps. Nutrient deficient features will be extracted from component concentrations and proportions distribution maps of mild N, P, K, Mg deficient cucumber leaf. Firstly, cucumber leaf hyperspectral image will be collected at the wavelengths range of 400-1700nm. Secondly, spectral data of leaf hyperspectral image combined with leaf components concentrations are used to build calibration models for leaf components. Thirdly, the calibration models are used to predict leaf component content of each pixel in the hyperspectral image. Therefore, the distribution maps of leaf component concentrations and proportions on cucumber leaf are obtained. Distribution characteristics of leaf component concentrations and proportions caused by mild N, P, K, Mg deficiencies are extracted from these distribution maps. Finally, the nutrient deficient features are used to diagnose mild N, P, K, Mg deficiencies. A rapid, nondestructive diagnostic method for mild N, P, K, Mg deficiencies in cucumber will be obtained. Some fundamental data will be collected for scientific fertilizing and culturing.

氮、磷、钾、镁元素亏缺初期仅引起黄瓜叶片微小区域内组分(各类色素、水分等)含量和比例发生改变，本课题提出高光谱图像信息处理新思路，利用高光谱图像包含各个像素点的光谱信息及其对化学组分含量敏感的特点，检测黄瓜叶片组分含量及比例的叶面分布图，将其用于表征氮、磷、钾、镁元素亏缺初期黄瓜叶片的缺素特征。拟采集鲜活黄瓜叶片在可见光和近红外波段(400-1700nm)下的高光谱图像，提取其中的光谱信息结合叶片组分检测数据建立各组分含量校正模型，然后将高光谱图像中各像素点处的光谱信息代入校正模型中计算叶片各像素点处的组分含量及比例，结合各像素点的空间位置信息绘制叶片组分含量及比例的叶面分布图，从中精确提取缺素初期叶片各组分在整个叶面上的分布特征，结合模式识别方法对氮、磷、钾、镁元素亏缺进行早期诊断，以期得到一种黄瓜氮、磷、钾、镁元素亏缺初期的快速、无损诊断新方法，为作物及时追肥、挽救生产提供科学依据。

课题组完成了计划书规定的研究内容，提出了基于叶片组分叶面分布特征的氮、磷、钾、镁元素亏缺初期的快速诊断方法，诊断率大于90%。同时，项目组超额完成了计划书规定的相关考核指标。课题组在J. Chemometrics、Food Chemistry等国内外期刊发表SCI、EI论文8篇（均标注本基金号）；授权中国发明专利3项，授权美国发明专利1项，申请中国发明专利3项，申请美国发明专利2项，登记软件著作权2项。在此期间，培养研究生2人；同时项目负责人被江苏大学聘为副教授、硕士生导师，并先后获得教育部技术发明一等奖（第三）、中国机械联合会技术发明一等奖（第三）、中国专利优秀奖（第二），以及江苏省“六大人才高峰”资助。. 项目取得的主要研究成果如下：. （1）利用高效液相色谱法分别检测了对照组、缺氮初期组、缺磷初期组、缺钾初期组、缺镁初期组叶片的主要叶片组分（叶绿素、叶黄素等）含量。结果表明，氮、钾、镁亏缺初期均引起叶片叶绿素含量的轻微变化，而磷元素亏缺初期几乎不引起叶片叶绿素含量的变化，但晚期会导致叶脉附件出现水渍斑。. （2）利用改进型模拟退化算法结合偏最小二乘回归法建立了叶绿素含量与可见近红外高光谱图像信息的对应关系，进而描绘出了氮、钾、镁元素亏缺初期叶绿素含量的叶面分布图，通过提取叶面分布图的均值、方差值以及边缘区域异常值，建立了基于叶绿素含量叶面分布特征的氮、钾、镁元素亏缺初期诊断方法（诊断率分别为95%，94%，92%）。. （3）利用近红外高光谱成像系统采集磷元素亏缺叶片图像信息，通过模式识别方法建立光谱信息与叶片水渍斑区域、光谱信息与正常叶片区域的对应关系，并得到了磷元素亏缺诊断模型，利用该模型对营养正常叶片、磷元素亏缺初期叶片进行诊断，结果表明该模型的正确诊断率为94%。. 本项目提供了新的设施栽培作物营养元素亏缺初期诊断方法，对作物及时追肥、挽救生产具有重要意义。