水培番茄施氮量近红外光谱预测模型的研究

摘要

通过小波变换去除了可见光区(350～560 nm)的噪声,提取出了叶酸的特征波段366 nm和与叶绿素有关的特征波段380,414,437,554 nm.在560～2 500 nm的波长范围内,去除噪声后的最大误差低于1.47%;在特征峰谷处的最大误差不超过0.11%.用BP神经网络建立了番茄施氮量预测模型.研究表明,在用植物探头获取番茄叶片光谱数据并去噪的条件下,用554,673,1 440,1 940 nm处的吸光度值作为BP神经网络的输入变量建立的番茄施氮最的预测模型有很高的预测精度,有极大的潜力能够满足实际应用的需要.对研究大田有效养分的预测模型也有重要的参考价值.