声明
摘要
1引言
1.1研究目的和意义
1.2作物养分信息检测技术的国内外研究现状及进展
1.2.1传统诊断方法在植物养分信息检测中的应用
1.2.2光谱分析技术在植物养分信息检测中的应用
1.2.3机器视觉技术在植物养分信息检测中的应用
1.2.4高光谱成像技术在植物养分信息检测中的应用
1.2.5高光谱技术在大豆中的相关研究进展
1.3无人机在作物信息检测方面中的应用
1.4当前研究存在的问题与难点
1.5研究内容与方法
1.5.1研究内容
1.5.2研究方法
1.6本章小结
2试验设计与数据处理方法
2.1国家精准农业示范基地概况
2.2试验方案设计
2.2.1试验品种简介
2.2.2温室叶片尺度养分试验
2.2.3大田冠层尺度的养分试验
2.3试验数据获取
2.3.1叶片尺度高光谱成像数据获取
2.3.2冠层尺度高光谱成像数据获取
2.3.3无人机高光谱成像数据获取
2.4大豆养分化学值测定
2.4.1大豆叶片氮含量测定
2.4.2大豆叶片磷含量测定
2.4.3大豆叶片钾含量测定
2.5数据挖掘分析方法
2.5.1光谱预处理方法
2.5.2特征变量提取方法
2.5.3定量校正模型
2.5.4模型性能评价
2.6本章小结
3叶片尺度大豆养分信息快速检测方法研究
3.1样本分离与提取
3.2大豆叶片光谱特性分析
3.3大豆叶片养分化学值统计分析
3.4光谱预处理及最优预处理方法选择
3.4.1叶片氮含量最优光谱预处理方法选择
3.4.2叶片磷含量最优光谱预处理方法选择
3.4.3叶片钾含量光谱预处理方法选择
3.5大豆叶片养分特征变量筛选
3.5.1基于竞争性自适应重加权算法的光谱特征变量选择
3.5.2基于无信息变量消除算法的光谱特征变量选择
3.5.3基于连续投影算法的光谱特征变量选择
3.5.4基于遗传算法的光谱特征变量选择
3.5.5基于独立组分分析算法的光谱特征变量选择
3.5.6基于随机蛙跳算法的光谱特征变量选择
3.6基于特征变量的大豆养分预测模型建立
3.6.1基于特征变量的大豆叶片氮含量建模分析
3.6.2基于特征变量的大豆叶片磷含量建模分析
3.6.3基于特征变量的大豆叶片钾含量建模分析
3.7叶片养分可视化分布
3.7.1叶片氮含量可视化
3.7.2叶片磷含量可视化
3.7.3叶片钾含量可视化
3.8本章小结
4冠层尺度大豆养分信息快速检测方法研究
4.1冠层尺度样本分离与提取
4.2大豆冠层光谱特性分析
4.3大豆冠层养分含量统计分析
4.4冠层光谱预处理及PLS建模分析
4.4.1冠层氮含量光谱预处理方法优选
4.4.2冠层磷含量光谱预处理方法优选
4.4.3冠层钾含量光谱预处理方法优选
4.5冠层光谱特征变量提取
4.5.1 CARS算法选择特征变量
4.5.2 UVE算法选择特征变量
4.5.3 SPA算法的选择特征变量
4.5.4 GA算法选择特征变量
4.5.5 ICA算法选择特征变量
4.5.6 RF算法选择特征变量
4.6基于特征变量的大豆冠层养分预测模型建立
4.6.1基于特征变量的大豆冠层氮含量建模分析
4.6.2基于特征变量的大豆冠层磷含量建模分析
4.6.3基于特征变量的大豆冠层钾含量建模分析
4.7基于分数阶微分的大豆冠层氮含量检测研究
4.7.1样品制备及冠层高光谱成像数据采集
4.7.2化学值统计分析
4.7.3分数阶微分植被指数的构建与氮含量预测模型研究
4.8冠层养分分布可视化研究
4.8.1冠层氮含量可视化
4.8.2冠层磷含量可视化
4.8.3冠层钾含量可视化
4.9本章小结
5区域尺度大豆养分信息快速检测研究
5.1大豆养分光谱特征提取
5.1.1大豆氮含量光谱特征提取
5.1.2大豆磷含量光谱特征提取
5.1.3大豆钾含量光谱特征提取
5.2基于光谱特征的大豆养分含量预测模型构建及验证
5.2.1氮含量预测模型构建及验证
5.2.2磷含量预测模型构建及验证
5.2.3钾含量预测模型构建及验证
5.3无人机高光谱影像在大豆养分监测中的应用
5.3.1基于无人机高光谱影像的大豆氮含量空间反演与精度评价
5.3.2基于无人机高光谱影像的大豆磷含量空间反演与精度评价
5.3.3基于无人机高光谱影像的大豆钾含量空间反演与精度评价
5.4本章小结
6结论与展望
6.1结论与创新
6.2展望
致谢
参考文献
攻读博士学位期间发表的学术论文
东北农业大学;