精神科护士使用保护性约束的知信行量表编制及信效度检验

背景当前,我国关于精神科护士使用保护性约束知信行的测量工具未充分考虑精神科专科特点,且测评条目繁冗,不利于推广应用,亟需更为科学的测量工具对精神科护士使用保护性约束的知信行水平进行评定。目的构建精神科护士使用保护性约束的知信行量表,并验证其信效度,为评估精神科护士使用保护性约束的知信行水平提供工具。方法基于知信行理论,通过查阅文献、访谈以及德尔菲法形成初版量表。采用分层抽样法,于2021年7月—12月,选取广东省内三级、二级和一级(含未评定等级和基层医院)各2家、共729名精神科护士为研究对象。通过项目分析、探索性因子分析、验证性因子分析形成正式量表,并采用内容效度、结构效度评价量表的效度,采用Cronbach’sα系数、重测信度、折半信度评价量表的信度。结果精神科护士使用保护性约束的知信行量表共12个条目,分为知识、信念、行为三个维度。量表水平的内容效度指数(S-CVI)为0.941,各条目的内容效度指数(I-CVI)为0.812~1.000。探索性因子分析共提取3个公因子,累计方差贡献率为62.948%。验证性因子分析结果显示模型拟合良好。量表的Cronbach’sα系数为0.887,其中知识、信念和行为维度的Cronbach’sα系数分别为0.819、0.842和0.831,量表的折半信度为0.712,重测信度为0.922。结论精神科护士使用保护性约束的知信行量表具有良好的信效度,可用于临床工作中对护理人员保护性约束知识、态度及行为的测评。

优化BP神经网络提高高光谱检测调理鸡肉菌落总数精度

针对调理鸡肉菌落总数在贮藏期间易受到外界因素影响,提出了一种优化反向传播(back propagation,BP)神经网络的调理鸡肉菌落总数预测方法。以贮藏在4℃条件下的调理鸡肉为研究对象,采集其表面400~1 000 nm高光谱信息共计419个波段作为全波段,并利用竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)算法筛选出34个特征波段,分别以全波段和特征波段对应的光谱值作为BP神经网络输入,采用鸟群算法(bird swarm algorithm,BSA)和免疫算法(immune algorithm,IA)优化BP神经网络的初始权重和阈值,建立调理鸡肉菌落总数的BP、BSA-BP、IA-BP、BSA-IA-BP预测模型。试验结果表明:经过CARS筛选特征波长的BSA-IA-BP模型预测效果最佳,预测集相关系数RP、均方根误差、剩余预测偏差分别为0.93、0.31lg(CFU/g)、2.68,且模型稳定性最好。该研究为基于BP神经网络实现调理鸡肉菌落总数快速无损检测提供了算法支撑和理论基础。

基于MRE-PointNet+AE的绿萝叶片外形参数估测算法

为了准确、高效、自动获取植物叶片外形参数,提出一种基于多分辨率编码点云深度学习网络(MRE-PointNet)和自编码器模型的绿萝叶片外形参数估测算法。使用Kinect V2相机以垂直姿态获取绿萝叶片点云数据,采用直通滤波、分割、点云精简算法对数据进行预处理,通过测定的叶片外形参数反演绿萝叶片几何模型,并计算几何模型的叶长、叶宽、叶面积。将不同参数组合构建的几何模型离散成点云数据输入MRE-PointNet网络,得到几何模型叶片外形参数估测的预训练模型。针对拍摄过程中存在的叶片部分遮挡和噪声问题,采用自编码器网络对点云数据进行二次处理,以几何模型离散的点云数据作为输入,经过编码解码运算得到自编码器的预训练模型,提升了MRE-PointNet网络在遮挡情况下对叶片外形参数估测的鲁棒性。试验共采集300片绿萝叶片点云数据,按照2∶1比例进行划分,以其中200片点云数据作为训练集,对预训练模型MRE-PointNet做模型迁移的参数微调,以剩下的100片点云数据作为测试集,评估模型对绿萝叶片外形参数的估测能力。采用本文算法将外形参数估测值和真实值进行数学统计与线性回归分析,得出叶长、叶宽和叶面积估测的R^2和RMSE分别为0.9005和0.4170 cm、0.9131和0.3164 cm、0.9447和3.8834 cm^2。试验表明,基于MRE-PointNet和自编码器模型的绿萝叶片外形参数估测算法具有较高的精确度和实用性。

基于Random Forest的水稻细菌性条斑病识别方法研究

为了快速、准确、有效地识别发病早期的细菌性条斑病,提出基于随机森林(Random forest,RF)算法的水稻细菌性条斑病识别方法,利用光谱成像技术获取该病害的高光谱数据,通过多元散射校正减少和消除噪声及基线漂移对光谱数据的不利影响。利用随机森林特征重要性指标,选取逻辑回归(LR)、朴素贝叶斯(NB)、决策树(DT)、支持向量分类机(SVC)、k最近邻(KNN)和梯度提升决策树(Gradient boosting decision tree,GBDT)算法进行对比试验。同时筛选出12个位于450~664 nm范围内对识别模型有重要影响的光谱波段,并与全波段进行分类结果比较。试验结果表明:RF算法的分类准确率为95.24%,与试验选取的其他算法相比,效果最优,比NB准确率提高了20.97个百分点;与全波段分类结果相比,利用RF算法基于12个波长的识别,波长数减少了98.05%,识别精确率为94.66%,召回率为99.55%,F1值为97.04%,准确率为94.32%。虽然精确率减少了2.97个百分点、准确率减少了0.85个百分点,但召回率增加了4.4个百分点、F1值增加了0.67个百分点,模型精度满足要求。

基于光学特性参数反演的绿萝叶绿素含量估测研究

为快速准确检测植物体叶绿素含量,提出一种基于MMD迁移的光学特性参数反演方法。以绿萝叶片为研究对象,仿真光子在基于蒙特卡洛方法的单层平板模型上的运动轨迹,获得12 000幅绿萝叶片仿真光亮度分布图,利用卷积神经网络对模拟光谱数据进行训练,得到预训练模型;基于预训练模型进行迁移学习,在少量实测绿萝叶片光谱数据上对模型进行微调,进行绿萝光学参数反演,得到吸收系数μa反演准确率为84.83%、散射系数μs反演准确率为83.33%;在此基础上引入最大均值差异方法,提升迁移效果。结果表明,与普通的模型迁移方法相比,基于MMD迁移的方法具有更好的反演效果,吸收系数μa反演准确率为87.55%,散射系数μs反演准确率为86.67%。利用MMD迁移得到的全连接层特征建立叶绿素回归模型的决定系数R~2为0.931 0,分别比直接使用光学参数和光谱图像建立的模型决定系数R2高0.046 8和0.062 0。研究表明,基于光学特性参数反演方法可以为叶绿素含量无损估测研究提供参考。

基于几何模型的绿萝叶片外部表型参数三维估测

为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80 cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪与包围盒精简等预处理,测量得到点云外形参数,输入预先建立的SAE网络分类预测得到几何模型参数,并基于曲面参数方程建立叶片几何模型。采用粒子群优化算法计算几何模型离散点云和局部点云间的空间距离,进行空间匹配,利用遗传算法求解最优匹配模型的内部模型参数,输出最优匹配模型的叶长、叶宽与叶面积作为估测结果。实验共采集150片绿萝叶片的局部点云数据,将估测结果和真实值进行数学统计与线性回归分析,得出叶长、叶宽与叶面积估测的平均误差分别为0.46 cm、0.41 cm和3.42 cm^2,叶长估测R^2和RMSE分别为0.88和0.52 cm,叶宽R^2和RMSE分别为0.88和0.52 cm,叶面积R^2和RMSE分别为0.95和3.60 cm^2。实验表明,该方法对于绿萝叶片外形参数的估测效果较好,具有较高实用价值。

基于高光谱图像和3D-CNN的苹果多品质参数无损检测

[目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400~1000 nm波段的苹果样本的高光谱反射图像并使用S-G平滑法对原始图像进行去噪处理,在此基础上,对采集到的高光谱图像通过多感兴趣位置的选取以及间隔波段抽取重组的方法进行样本扩充,再利用三维卷积神经网络建立样本扩充后的苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,通过该模型实现对苹果的糖度、硬度、含水量等品质参数的无损检测。[结果]采集245个苹果的高光谱图像及其对应的品质参数信息,通过样本扩充的方法将原始数据集扩充至9800个样本后进行建模和验证。结果表明:本算法建立的苹果糖度、硬度、水分的分类模型,在糖度类间隔为1°Brix、硬度类间隔为0.5 kg·cm-2、含水量类间隔为10%的情况下,糖度、硬度、水分的预测准确率分别为93.97%、92.29%和93.36%,回归模型糖度、硬度和水分的相关系数最高分别达到0.827、0.775和0.862,比最优的传统算法分别提高15.0%、17.0%和17.2%。[结论]本算法能够较准确实现苹果高光谱多品质参数同时检测,且相对传统方法预测精度有较大提升。

基于模型迁移的苹果光学特征参数反演

针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将光亮度分布图作为数据集输入构造好的8层卷积神经网络(CNN)上进行训练,得到预训练模型;再将训练好的模型迁移到实际测得的含有4000幅苹果高光谱点光源图像的数据集上进行微调,从而完成对光学参数的反演。将本文方法与其他几种算法的反演结果进行分析比较,结果表明,在实测数据集较小的情况下,该方法对苹果光学特征参数的反演结果为果皮吸收系数87.26%、果肉吸收系数90.53%、果皮散射系数86.66%、果肉散射系数87.57%,反演准确率高于其他算法,预训练模型基于大量仿真模型的光亮度分布图经由训练而得到,具有良好的普适性。本研究为解决水果光学特征参数反演中建模数据量不足问题提供了方法参考。

干旱胁迫及外生菌根菌对马尾松幼苗根系形态及分泌物的影响

【目的】探究干旱胁迫下接种不同外生菌根真菌对马尾松幼苗根系生长、形态、根系分泌物及根际土壤酶活性的影响,为阐明不同外生菌根菌促生抗逆的策略提供参考。【方法】采用棚内盆栽试验,分析正常浇水和干旱胁迫条件下,接种橙黄硬皮马勃(Sc)、琥珀乳牛肝菌(Sp)和未接菌(CK)马尾松幼苗的地上和地下生长、根系分泌物及根际土壤酶活性差异。【结果】1)干旱胁迫抑制马尾松生长和根系活力,但接种Sc和Sp均能促进马尾松幼苗生长、生物量积累和根系活力,改善根系形态,以接种Sc效果更佳。2)在根系分泌物中共检测出酸类、酮类、萜类、酯类、醇类和醛类6大类有机物质,共28种化合物。分泌物组成和相对含量受接菌和干旱胁迫调控,其中,接种Sc和Sp分别使分泌物种类增加和降低;无论是否接菌,分泌物种类均在干旱胁迫下增加;各类分泌物相对含量对干旱和接菌处理响应明显且存在差异,变化幅度和方向与分泌物种类有关;接种菌根菌能改变干旱胁迫下各类分泌物相对含量的变化,主要表现在抑制萜类相对含量、增加醛类相对含量,同时,酸类物质相对含量下降程度更大。菌根菌对同一组分不同化合物相对含量也有显著影响。3)马尾松幼苗接种Sp后通过提高根际土壤脲酶和蔗糖酶促进植物生长,抵御干旱胁迫;接种Sc后通过维持较高的酸性磷酸酶和脲酶活性抵御干旱胁迫。【结论】马尾松幼苗接种Sp和Sc通过改善根系形态、提高根系活力和维持较高的土壤酶活性等方式促进生长和缓解干旱胁迫,以接种Sc缓解干旱胁迫的效果最佳。不同菌根菌接种处理后根系性状及其在干旱胁迫下的变化复杂且存在差异。

基于局部点云的苹果外形指标估测方法

为了获取果实生长期的外形参数指标,监控果实发育状况,提出了一种基于局部点云的苹果外形指标估测方法。该方法可以通过局部点云数据估测苹果的体积、高度、直径等外形指标参数。利用椭球曲面方程构建苹果几何模型,并计算苹果几何模型的高度、直径、体积。使用Kinect V2相机从任意角度获取点云数据,采用直通滤波法去除点云数据的背景,用包围盒算法精简点云得到苹果局部点云数据后,采用粒子群算法将苹果局部点云数据与苹果模型进行空间匹配,并用遗传算法求解苹果最优匹配模型的参数,利用苹果最优匹配模型参数估测与其匹配的真实苹果的外形指标。实验采集了250个苹果顶部、侧面和底部的局部点云数据,使用本文方法分别估测了250个苹果在3个角度下的外形指标,并对估测值与真实值进行线性回归分析,各个指标的线性回归拟合度R^2均高于0. 7。其中,侧面拍摄时拟合效果最好,R2最高为0. 948。在各个角度下苹果体积估测的平均误差不大于16. 16 mL,高度估测的平均误差不大于2. 92 mm,直径估测的平均误差不大于2. 35 mm,估测结果的平均误差较小,在允许误差范围内。实验结果表明,基于局部点云的苹果外形指标估测方法具有较强的实用性。

利用FL-DGCNN模型估测绿萝叶片外部表型参数

为了能够低成本、自动化批量获取植物叶片的外部表型参数,同时解决自然生长条件下的植物叶片存在遮挡而无法获取完整的外部表型数据的问题,该研究以绿萝叶片为研究对象,基于曲面参数方程建立叶片几何模型,提出一种基于特征分层的动态图(Dynamic Graph CNN based on Feature Layering,FL-DGCNN)和堆栈编码器模型的绿萝叶片外部表型参数估测算法。通过多层组合的编码-解码器模型对残缺点云进行形状补全,将不同尺度下的点云通过多层感知机提取分组点不同层的特征向量融合后获取特征信息,以决定系数和均方根误差评价模型结果。结果表明:多层组合的编码模型对残缺点云补全的鲁棒性更高,特征分层的动态图模型估测结果的叶长、叶宽、叶面积的决定系数分别为0.92、0.93和0.94,叶长、叶宽的均方根误差分别为0.37、0.34cm,叶面积的均方根误差为3.01cm^(2)。该方法对叶类植物叶片的外部表型参数估测效果较好,具有实用性。

基于Pointnet和迁移学习的苹果表型参数估算研究

[目的]为快速、准确、无损检测苹果的外部表型参数,提出了一种基于Pointnet和迁移学习的苹果表型参数估算算法。[方法]通过Kinect相机从任意角度拍摄苹果并使用直通滤波法去除背景环境数据得到只包含苹果信息的点云数据。在此基础上使用最远点采样法,获取标准输入点云,然后采用椭球曲面方程构建苹果几何模型,生成基于椭圆方程的苹果几何模型库。使用Pointnet算法训练仿真模型数据,然后通过迁移学习迁移到实测数据上去,在训练好的模型上进行微调;再经过5-折交叉验证,判定模型的鲁棒性和泛化能力,得到最终的估算模型。[结果]以均方根误差(RMSE)和决定系数(R2)评价模型结果,实测250个苹果3个角度点云共750组数据,在任意一个角度拍摄的残缺率达到50%的点云数据的条件下,该模型对苹果的直径、高度、体积3组表型参数的RMSE分别为2.247、2.275和22.780,R2分别为0.919、0.841和0.927。[结论]该算法回归效果优于传统算法,在任意角度拍摄到的残缺率达到50%的点云数据的条件下仍能很好完成外部表型参数估算。

六君子汤加减方治疗脾气虚弱型晚期胃癌的临床疗效

目的分析六君子汤加减方治疗脾气虚弱型晚期胃癌的临床效果。方法将100例脾气虚弱型晚期胃癌患者按照治疗方式分为对照组与观察组,每组50例。所有患者均给予阿帕替尼片治疗,对照组在此基础上加服甲氧氯普胺片,观察组加服六君子汤加减方,观察2组临床效果。结果观察组总有效率及不良反应发生率显著优于对照组(P<0.05)。结论六君子汤加减方治疗脾气虚弱型晚期胃癌疗效显著,且不良反应发生率较低。

基于光子传输模拟的苹果品质高光谱检测源探位置研究

光谱无损的检测方法是质检测最常用的方法之一。传统的光谱仪光源探头位置和源探距离相对固定,导致品质检测精度受限。为解决这个问题,提出基于蒙特卡洛的苹果多层组织的光子传输模拟,分析了光子入射最佳位置和源探距离,并用点光源高光谱仪实际拍摄红富士苹果进行验证。分析表明,光子在苹果赤道位置入射,具有73.12%概率到达更深的深度。源探距离与苹果的光学参数有关,形状为圆环,源探距离内外半径为1.5～10.15 mm。点光源高光谱仪采集红富士苹果的光谱信息,光子入射位置为赤道,源探距离为距离光源点半径2.7～11.7mm的圆环,与模拟数据分析结果基本一致。蒙特卡洛光子传输模拟方法为研究高光谱苹果品质无损检测开辟了新思路,分析结果可以为研究高光谱品质检测试验设计和苹果便携式品质检测光学仪器设计提供理论基础。

马尾松短枝腋芽休眠解除后形态与解剖学观察

为系统了解马尾松短枝腋芽休眠解除后的发育进程,对马尾松1年生长枝顶端进行截顶处理并定期取样,采用形态观测和石蜡切片法,观察了短枝腋芽发育成枝的生长过程。结果表明:在马尾松1年生枝上着生的短枝上(针叶束内),有一枚肉质状腋芽,直径约为针叶宽度的1/5,并有完整的分生组织。截顶处理后,腋芽休眠解除,分生组织被激活,周缘分生组织不断分化形成新的鳞叶。初期,腋芽发育较为缓慢,经过12 d才能分化出新的鳞叶;随后鳞叶分化速度加快,腋芽的纵向生长速度开始超过径向,第24天已发育为非肉质状鳞叶包裹的饱满的腋芽,并在腋芽下部鳞叶的叶腋处分化出针叶原基;第32天左右,腋芽已发育完全,然后开始抽梢。短枝腋芽先分化出鳞叶,再由鳞叶叶腋分化出针叶的发育过程,与长枝顶芽的发育相似。

自拟清肝利湿汤治疗宫颈癌化疗患者的疗效分析

目的分析自拟清肝利湿汤治疗宫颈癌化疗患者的临床疗效。方法选择宫颈癌化疗患者92例,随机分为实验组与对照组。对照组仅给予单纯化疗,实验组在对照组常规化疗的基础上给予自拟清肝利湿汤治疗。比较2组患者临床指标变化情况。结果治疗前,对照组与实验组肿瘤直径分别为(4.72±1.33)、(4.69±1.18)cm,差异无统计学意义(P>0.05);治疗后,对照组与实验组肿瘤直径分别为(3.01±0.97)、(1.64±0.41)cm,差异有统计学意义(P<0.05)。实验组总有效率显著高于对照组(P<0.05)。实验组免疫球蛋白G(IgG)、免疫球蛋白M(IgM)、免疫球蛋白A(IgA)、CD3^+、CD4^+、CD4^+/CD8^+等免疫功能指标均显著优于对照组(P<0.05)。结论自拟清肝利湿汤治疗宫颈癌化疗患者的临床疗效显著,能显著缩小肿瘤直径,改善宫颈癌症状,提升机体免疫力,且安全性高。

基于光谱分形维数的水稻白叶枯病害监测指数研究

针对缺乏有效监测水稻叶片感染白叶枯病害光谱指数的问题,以分蘖期的水稻叶片为研究对象,采集了接种白叶枯病菌的水稻叶片和对照处理的水稻叶片各200片,利用高光谱成像装置获取373~1033 nm波段的水稻叶片光谱数据,选取450~900 nm波段的水稻叶片高光谱数据作为样本。从每个样本中选取一个感兴趣区域(Region of interest,ROI)并计算平均光谱,经过Savtzky-Golay平滑处理得到平均光谱曲线;为了定量描述水稻叶片是否感染病害,提出将光谱分形维数(Fractal dimension,FD)作为定量描述水稻白叶枯病害的监测光谱指数,实现对白叶枯病害的监测。通过分析光谱指数(Spectral index,SI)和FD,建立SI和FD之间的多元线性关系,同时比较了FD与其他常用监测指数对白叶枯病害监测的有效性。结果表明:水稻白叶枯病害在绿峰(510~560 nm)和红谷(650~690 nm)波谱内的响应较为敏感;针对健康和感病叶片,FD与SI之间存在较好的多元线性关系,说明FD与光谱曲线有较好的对应关系,可以作为定量描述叶片健康状况的光谱指数;与常用监测指数相比,本文病害监测指数与水稻染病具有更高的相关性,其相关系数达到了0.9840,指数分布稳定性更高。本研究结果说明基于光谱反射曲线的圆规分形维数对判断水稻叶片是否感染白叶枯病害是可行的,为水稻白叶枯病害的监测提供了一种新方法。

新疆南疆不同灰枣产区果实品质分析及优生区划分

以新疆南疆18个灰枣产区的完熟期果实为试材,探讨各产区果实品质指标的差异性,并对果实品质进行综合评价,结合前人研究结果,明确新疆南疆灰枣优生区,旨在为新疆南疆灰枣产业提质增效、科学发展提供参考。结果显示:灰枣各品质指标在不同产区间存在着显著性差异,而各品质之间存在着密切相关性。因子分析提取了4个公因子,其累计贡献率为82.058%,以各因子贡献率为权重计算各产区灰枣综合得分并排序,聚类分析将18个产区分为3类,且因子分析和聚类分析结果基本一致,塔里木盆地东南部地区灰枣果实综合品质优于西北部地区。与根据新疆气象资料分析结果进行交叉分析得出,若羌、民丰、洛浦、且末4个产区不仅在气候因子方面极其适宜灰枣生长发育,而且灰枣果实的综合品质也较好,因此这4个产区为新疆南疆灰枣最佳优生区。

叶型对马尾松幼苗生长及叶绿素荧光特征的影响

【目的】研究叶型对马尾松幼苗生长及叶绿素荧光特征的影响,以期为马尾松苗木选择及栽培提供参考。【方法】以出圃时呈现为全初生条形叶、全次生针形叶和中间型的马尾松1年生幼苗为试验材料,分析其生长指标、光合色素含量及叶绿素荧光参数,研究初生叶和次生叶叶绿素荧光特征差异及对幼苗生长的影响。【结果】全次生叶幼苗出圃时苗木质量指数(QI)、干物质积累量及造林1年后净生长量均显著高于全初生叶幼苗;次生叶的叶长、体积和表面积等指标均显著大于初生叶;初生叶中叶绿素a、叶绿素b和总叶绿素含量均显著高于次生叶,两者间的类胡萝卜素含量无显著差异。初生叶的F_m、F_v/F_m、F_v/F_o均显著高于次生叶,F_o在2种叶型间无显著差异;初生叶的PSⅡ反应中心参数Y(Ⅱ)和F_v’/F_m’、淬灭参数q_P和NPQ、能量耗散参数Y(NPQ)和Y(NO)及光响应参数ETR_(max)、α、β和I_k也均高于次生叶,在高光强条件下,初生叶的非光化学淬灭和调节性能量耗散能力增强。由于次生针叶叶长、体积和表面积等形态指标均显著大于初生叶,因而具有次生针叶的幼苗的光合作用面积更大,干物质量积累较多,出圃时的苗木质量以及造林后的生长表现均高于全初生叶的幼苗。【结论】与次生叶相比,初生叶拥有较高的叶绿素含量,较耐光抑制,有较高的光能转化效率,但高光强条件下会通过热耗散的形式来减少多余光能对光合系统的损害;拥有次生叶的幼苗表现出较好的苗木质量及生长特性。

基于光谱与纹理特征融合的绿萝叶绿素含量检测

[目的]本文旨在快速测定植物体内叶绿素含量,以提高无损测定叶绿素的准确性。[方法]以绿萝叶片为研究对象,提出一种串联融合高光谱特征与纹理特征的叶绿素SPAD值的无损检测方法。采集320片绿萝叶片样本在400~900 nm波段的光谱信息,使用Savitzky-Golay卷积平滑对原始高光谱图像进行预处理,利用连续投影算法(successive projections algorithm,SPA)选取出10个特征波段,对绿萝叶片高光谱图像中的RGB图像采用灰度共生矩阵算法(gray-level co-occurrence matrix,GLCM)提取其纹理特征,采用串联方法融合高光谱特征与纹理特征得到融合特征,分别建立单一特征和融合特征的误差反向传输人工神经网络(back propagation artificial neural network,BPANN)和支持向量机回归(support vector machine regression,SVR)模型。[结果]单一使用特征光谱数据或图像纹理数据作为特征值建立的预测模型,综合性能不稳定;基于串联融合特征的预测模型准确率有明显提升。基于串联融合特征的SVR模型具有最佳的预测结果,校正集决定系数R2为0.9612,预测集决定系数R2为0.9571。[结论]高光谱特征与纹理特征的融合特征可以提高叶绿素回归预测模型的准确性,为叶绿素含量无损检测提供了重要参考。