兰瓶独创性声明劲年故谺本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已注明引用的内容以外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果,也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:“
/嬲螋嬲学位论文作者签名:鲞溉学位论文版权使用授权书抽年毛江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊馀贪电子杂志社有权保留本人所送交学位论文的复印件和电子史档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致,允许论文被查阅和借阅,同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询,授权中国学术期刊馀贪电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布ǹ授权江苏大学研究生处办理。本学位论文属于不保密口。.
姓年
摘要江苏大学硕士学位论文为了解决茶树营养状况诊断的主观性强、理化检验周期长以及费用高等缺点。研究利用高光谱图像检测技术,预测茶鲜叶的各理化指标堵趟亍⑺帧总氮、磷蕴娲咽狈蚜Φ氖笛槭页9婕觳夥椒ā1韭畚牡闹饕Q芯磕谌萑下:高光谱图像数据的采集处理。提取茶鲜叶某一部位高光谱图像平均光谱信息,分别采用一元线性、归一化植被指数和波段比植被指数建立茶鲜叶各理化指标预测模型。发现各指数与理化指标之间存在一定的相关关系,其中叶绿素含量预测结果较好,水分、总氮、磷含量预测结果较差。而上述方法提取的信息较单一,抗噪音等外界因素干扰的能力及模型鲁棒性较差,有较大的局限性。利用高光谱数据的光谱信息预测茶鲜叶理化指标。研究建立全光谱偏最乘预测模型,并利用特征谱区筛选法优化茶鲜叶各理化指标预测模型,去除光谱不相关变量及光谱重叠信息以增强模型的精度和稳健性。试验分别利用区间偏最小二乘、联合区间偏最小二乘、无信息变量消除偏最小二乘及遗传偏最小二乘等方法筛选特征光谱区域,并将它们的结果进行比较。从试验结果看,各理化指标中,叶绿素含量预测结果较好,水分、总氮、磷含量预测结果较差。以上筛选特征光谱区域方法均极大的简化了模型的复杂性,其中联合区间偏最小二乘预测结果最佳,.;无信息变量消除连续投影偏最小二乘模型的变量数简化为小于个,且模型精度较全光谱偏最小二乘模型精度基本不受影响,可以充分代表原始光谱的有效信息,作为波长提取的有效手段。利用测模型计算出鲜茶叶每一像素点下的叶绿素浓度并画出叶绿素含量分布图。为进一步利用图像处理技术判断植物的营养素信息提供参考依据。利用高光谱数据的图像信息预测茶鲜叶叶绿素含量。对高光谱图像进行主成分分析,选取特征波长图像。分别利用灰度统计矩和灰度共生矩阵算法提取特征图像的纹理信息,并建立多元线性拟合模型。其中,【【礁蟛罘直鹞Tげ饨峁允净叶韧臣
基于高光谱图像技术的茶树鲜叶理化指标检测研究矩模型较好于灰度共生矩阵模型。本论文利用高光谱图像技术的光谱信息建立并优化茶鲜叶的叶绿素、水分、总氮及磷含量预测模型;探索利用高光谱图像技术的图像维信息建立并优化茶鲜叶叶绿素含量预测模型。本研究为高光谱图像技术预测物质含量探索新的思路,对茶树长势检测与估产、营养诊断与施肥等有重要意义。关键词:茶鲜叶;高光谱图像技术;偏最小二乘;联合区间偏最小二乘法;主成分分析;灰度共生矩阵
··甌.,—瑂琣琒,—瑄猧,甀,甌,.,.瓵,瑃..甃,猻
.甌岣,瓵,基于高光谱图像技术的茶树鲜叶理化指标检测研究,琣印琣篺,,琣,珿,..,瑀瑃瓼,.,,.,’琺瑃;.,琍,琣’.
基于高光谱图像技术的茶鲜叶理化指标检测的研究 来自淘豆网m.daumloan.com转载请标明出处.
