Rapid and Nondestructive Identification of Tomato Plants in Different Periods Based on Hyperspectral Imaging Technique

MA Ling; MA Qian; LI Ya-jiao; ZHANG Yi-yang; WANG Jing; MA Si-yan; MA Yan; DU Ming-hua; WU Long-guo

doi:10.19969/j.fxcsxb.22083102

您当前的位置：

首页 >

文章列表页 >

Rapid and Nondestructive Identification of Tomato Plants in Different Periods Based on Hyperspectral Imaging Technique

Experimental Techniques and Methods | 更新时间：2023-02-28

- Rapid and Nondestructive Identification of Tomato Plants in Different Periods Based on Hyperspectral Imaging Technique
- Journal of Instrumental Analysis Vol. 42, Issue 2, Pages: 210-215(2023)
- 作者机构：
  
  1.宁夏大学农学院，宁夏银川 750001
  2.宁夏现代设施园艺工程技术研究中心，宁夏银川 750001
- 作者简介：
- 基金信息：
- DOI：10.19969/j.fxcsxb.22083102
  CLC：
扫描看全文
马玲,马倩,李亚娇等.基于高光谱成像技术的不同时期番茄植株的快速无损判别研究[J].分析测试学报,2023,42(02):210-215.

MA Ling,MA Qian,LI Ya-jiao,et al.Rapid and Nondestructive Identification of Tomato Plants in Different Periods Based on Hyperspectral Imaging Technique[J].Journal of Instrumental Analysis,2023,42(02):210-215.
马玲,马倩,李亚娇等.基于高光谱成像技术的不同时期番茄植株的快速无损判别研究[J].分析测试学报,2023,42(02):210-215. DOI： 10.19969/j.fxcsxb.22083102.

MA Ling,MA Qian,LI Ya-jiao,et al.Rapid and Nondestructive Identification of Tomato Plants in Different Periods Based on Hyperspectral Imaging Technique[J].Journal of Instrumental Analysis,2023,42(02):210-215. DOI： 10.19969/j.fxcsxb.22083102.

摘要

利用近红外高光谱成像技术对不同浓度盐胁迫下的番茄叶片进行了定性判别。采集192个叶片样本的平均光谱反射率数据，并对原始光谱数据分别进行多元散射校正（MSC）、标准正态化（SNV）、正交信号校正（OSC）、相关优化偏移（COW）4种预处理，建立了偏最小二乘回归（PLSR）模型。建模结果显示：OSC预处理光谱的建模效果最优。分别采用间隔变量迭代空间收缩法（iVISSA）、间隔随机蛙跳法（IRF）、遗传偏最小二乘算法（GAPLS）、竞争性自适应加权算法（CARS）、变量组合集群分析（VCPA）等方法提取特征波长，建立PLSR模型。结果表明：VCPA提取特征波长所建立的模型最优。将VCPA法提取的11个特征波长（945、975、990、1 002、1 005、1 067、1 204、1 326、1 595、1 642、1 660 nm）用于建立番茄叶片定性判别预测模型，最优预测模型的决定系数（,R, $P 2$ ,http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=41939735&type=,http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=41939734&type=,1.18533325,3.80999994,）与预测均方根误差（RMSEP）分别为0.917、0.456。该研究为在线监测植物长势提供了技术支撑。

Abstract

A near infrared hyperspectral imaging（NIR） technique was adopted for qualitative identification on the tomato leaves under different salt stress in order to quickly monitor the growth of tomato plants．The average spectral reflectance data of 192 leaf samples were collected．The original spectral data were preprocessed by multiple scattering correction（MSC），standardized normal variate（SNV），orthogonal signal correction（OSC） and correlation optimized warping（COW） to establish a partial least squares regression（PLSR） model．The modeling results showed that the modeling effect of OSC preprocessed spectrum was the best．Interval variable iterative space shrinking analysis（iVISSA），interval random frog（IRF），genetic algorithm and partial least squares（GAPLS），competitive adaptive weighted sampling（CARS） and variable combination population analysis（VCPA） were used to extract the feature wavelengths，thus the PLSR model was established．The results showed that the model established by VCPA extracting characteristic wavelengths was optimal．The VCPA method was used to extract 11 characteristic wavelengths（945，975，990，1 002，1 005，1 067，1 204，1 326，1 595，1 642，1 660 nm），which were used to establish the qualitative discriminant prediction model for tomato leaves，while the determination coefficient（,R, $P 2$ ,http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=41939739&type=,http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=41939737&type=,1.26999998,4.40266657,） of the optimal prediction model and the root mean square error（RMSEP） were 0.917 and 0.456，respectively．This study provided a technical support for online monitoring of plant growth in the future.

关键词

高光谱成像技术番茄叶片盐胁迫无损检测

Keywords

hyperspectral imaging techniquetomato leavessalt stressnondestructive testing

references

Fang R，Huang W，Yao J Y，Long X，Zhang J，Zhou S Y，Deng B，Tang W Z，An Z Y．Biocell，2020，44（4）：737－750.

Devasconcelos A C F，Chaves L H G，Souza F G，Gheyi H R，Fernandes J D．Am. J. Plant Sci.，2015，6（77）：839－847.

Wan S Q，Kang Y H，Wang D，Liu S P，Feng L P．J. Agric. Eng. （万书勤，康跃虎，王丹，刘士平，冯利平．农业工程学报），2007，23（3）：30－35.

Jiang J，Feng S，Huo Z，Wang Y S，Sun Z H．Wuhan Univ. J. Nat. Sci.，2010，15（1）：85－92.

Sadiq M I，Rahman S M P，Kayes S．IEEE，2021，50（16）：1－7.

Gao J，Zhao Q，Chang D，Ndayisenga F，Yu Z S．Agriculture，2022，12（6）：782－799.

Jiang X F，Qiao F，Zou Z R．Northwest J. Botany（江雪飞，乔飞，邹志荣．西北植物学报），2007，27（6）：1197－1201.

Li S，He X L，Wang Z H，Chen S F，Jia W J．J. Wuhan Univ.：Eng. Ed. （李莎，何新林，王振华，陈书飞，贾文俊．武汉大学学报：工学版），2010，43（5）：571－575.

Yang S Q，Jin Z，Hai B．J. Irrig. Drain. 杨树青，金忠，海滨．灌溉排水学报），2007，（6）：55－58.

Chai F J，Li G Y，Zhang Q，Cheng H，Li F X，Li J S，Ji F．J. Irrig. Drain. （柴付军，李光永，张琼，程鸿，李富先，李旌胜，季枫．灌溉排水学报），2005，24（3）：12－15.

Wang X P，Yang J S，Yao R J，Yu S P．Trans. Chin. Soc. Agric. Eng. （王相平，杨劲松，姚荣江，余世鹏．农业工程学报），2014，（7）：54－63.

Ma W J，Cheng Q J，Li L T，Yu Z R，Niu L A．Trans. Chin. Soc. Agric. Eng. （马文军，程琴娟，李良涛，宇振荣，牛灵安．农业工程学报），2010，26（1）：73－80.

Li J G，Qu Z Y，Huang Y P，Ren Z S，Wang F．J. Soil Water Conservat. 李金刚，屈忠义，黄永平，任中生，王凡．水土保持学报），2017，（1）：217－223.

Magnus F，Staffan F．Chemom. Intell. Lab. Syst.，2006，（84）：56－61.

Li L T，Shen F M，Ma W L，Fan J，Li Y R，Liu H T．Trans. Chin. Soc. Agric. Mach. （李岚涛，申凤敏，马文连，樊婕，李亚蓉，柳海涛．农业机械学报），2020，51（3）：146－155.

Wang S L，Wu L G，Wang C X，He J G．Photoelectr. Laser（王松磊，吴龙国，王彩霞，何建国．光电子·激光），2019，30（9）：941－950.

Zheng X S，Lin P G．J. Tianjin Univ. Sci. Technol. （郑小慎，林培根．天津科技大学学报），2010，25（6）：51－53.

Sun H，Liu N，Wu L，Zheng T，Li M Z，Wu J Z．Spectrosc. Spectral Anal. （孙红，刘宁，吴莉，郑涛，李民赞，吴静珠．光谱学与光谱分析），2019，39（3）：910－916.

Shi J Y，Li W T，Hu X T，Huang X W，Li Z H，Guo Z M，Zou X B．Trans. Chin. Soc. Agric. Eng. （石吉勇，李文亭，胡雪桃，黄晓玮，李志华，郭志明，邹小波．农业工程学报），2019，35（13）：170－176.

Lai G B，Liu X B，Ren D B，Liang Y Z，Fan W，Xu Q S．Anal. Chim. Acta，2015，862（1）：14－23.

Li H D，Liang Y Z，Xu Q S，Cao D S．Anal. Chim. Acta，2009，648（1）：77－84.

Zhang F J，Shi L，Li L X，Zhao H R，Zhu Y L．Spectrosc. Spectral Anal. （张付杰，史磊，李丽霞，赵浩然，朱银龙．光谱与光谱分析），2022，42（7）：2255－2261.

Zhao H，Huan K W，Zheng F，Shi X G．J. Changchun Univ. Sci. Technol.：Nat. Sci. Ed.（赵环，宦克为，郑峰，石晓光．长春理工大学学报：自然科学版），2016，39（5）：51－54.

Chen T，Guo H，Yuan M，Tan F Y，Li Y Z，Li M L．Spectrosc. Spectral Anal. 陈逃，郭慧，袁满，谭福元，李益洲，李梦龙．光谱学与光谱分析），2021，（41）：3727－3732.

Jing X，Yan J M，Zou Q，Li B Y，Du K Q．Trans. Chin. Soc. Agric. Mach. 竞霞，闫菊梅，邹琴，李冰玉，杜凯奇．农业机械学报），2022，（12）：10－30.

Yu M，Li S K，Yang F，Zheng Y，Li P，Jiang L W，Liu X．J. Instrum. Anal. 余梅，李尚科，杨菲，郑郁，李跑，蒋立文，刘霞．分析测试学报），2021，40（1）：65－71.

Wu L G．Mechanism and Model Study of Soil Water Salt and Tomato Plants Based on Hyperspectral Imaging Technology. Yinchuan：Ningxia University（吴龙国．基于高光谱成像技术的土壤水盐及番茄植株水分诊断机理与模型研究．银川：宁夏大学），2017.

Ma L，Xia J F，Zhan F．J. Huazhong Agric. Univ.：Nat. Sci. Ed.，2008，5（12）：20－29.

Song H Y，He Y．Trans. Chin. Soc. Agric. Mach. 宋海燕，何勇．农业机械学报），2007，（12）：113－115.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on Identification Model for Car Paint Material Evidence Based on Hyperspectral Technology

Related Author

No data

Related Institution

School of Investigation，People’s Public Security University of China

Address：100 Xianlie Middle Road, Guangzhou Postal code：510070
Tel：020-87684776,37656606 Fax：020-87684776 Email：fxcsxb@china.com
Technical support is provided by Beijing Founder electronics co., LTD 粤ICP备12017312号-3 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰