盘锦地区不同品种水稻品质及其冠层高光谱反射率特征分析

对2022年盘锦地区8种水稻进行品质特征分析,并探讨不同品种水稻籽粒加工品质、外观品质、蒸煮品质、营养品质与水稻成熟期冠层原始光谱、一阶导数光谱及连续统去除光谱的相关关系。结果表明:盐粳939的加工品质较好,锦稻106(9系)的外观品质较好,锦稻香103的蒸煮品质较好,盘粳968(3系)的营养品质较好。原始光谱反射率与糙米率指标的相关关系较好,在731~1131 nm和1150~1360 nm两个波段内,相关系数高达0.767;糙米率与一阶导数光谱的相关关系最好,在1459 nm处达到极显著相关,相关系数为0.867;垩白度和垩白粒率均在1804 nm处与连续统去除光谱的相关关系较好,并达到极显著负相关,相关系数分别为-0.979和-0.983;长宽比与原始光谱的相关关系较好,相关系数在659 nm处达到最大值,为0.849;蒸煮品质所包含的食味值、直链淀粉含量和营养品质所包含的蛋白质含量均与连续统去除光谱有较好的相关关系。

基于光谱反射率的低照度图像增强方法研究

低照度图像增强技术是机器视觉研究热点之一,Retinex理论模型假设图像是反射分量与光照分量乘积,通过去除或校正光照分量并结合物体的反射特性来恢复图像,被广泛应用在传统算法和深度学习增强模型中。光谱反射率是颜色的指纹,多光谱图像比普通图像的信息量更为丰富。色度学理论和Retinex理论都认为图像的颜色特性取决于反射系数,但光谱反射率是基于仪器测量获得真实的数据,而图像反射分量是基于图像分解假设的数据,目前文献没有从光谱角度对低照度图像增强进行研究。受Retinex理论启发结合深度学习非线性拟合能力,用颜色的光谱反射率代替RetinexNet网络中的图像反射分量,用CIE标准光源的光谱功率分布代替网络中的图像照明分量,提出了一种基于光谱反射率的低照度图像增强方法。首先对图像数据库中正常光照图像进行光谱重建,构建低照度图像与正常光照的多光谱图像数据集。然后训练将低照度图像转换成多光谱图像的深度学习网络模型。任意低照度图像通过网络模型得到多光谱图像,多光谱图像根据色度学理论得到CIEXYZ三刺激值,再通过标准颜色空间转换到RGB颜色空间中显示。该方法在公开LOL数据集上进行训练与测试,结果表明在图像噪声抑制和颜色恢复方面都优于常用方法,证明该方法对低照度图像增强的优越性和有效性。

基于智能移动设备的低成本微型作物光谱反射率测量仪设计与实现

为实现作物生长信息的低成本、实时、无损监测,本研究基于光谱分析技术,选择395 nm和800 nm 2个波段,根据光学系统原理和小型化需求,进行基于智能移动设备的低功耗微型作物光谱反射率测量仪研发,包括封装壳体、光学系统和硬件电路设计及控制系统App开发;并使用积分球和ASD Fieldspec 4 Hi-Res地物光谱仪对测量仪4个通道(395 nm和800 nm太阳光接收通道和作物反射光接收通道)的测量值进行标定,并以反射率为20%、40%、60%、100%的4块标准灰度板为测量对象检验测量仪的准确性。结果表明:4个通道标定方程的决定系数均在0.9980以上,395 nm和800 nm反射率的均方根误差分别为1.46%和1.07%,平均绝对误差分别为1.17%和0.82%;4块标准反射率灰度板在395 nm和800 nm 2个波段测得反射率的相对误差分别小于2.0%和3.6%,变异系数分别在1.36%~4.17%和0.78%~2.36%。该测量仪体积32 cm^(3),质量仅20 g,且具有低成本、高精度、易操作、可升级等特性,可实现基于智能移动设备的作物生长实时监测。

基于NSGA-Ⅱ算法选择光谱反射率重建样本的研究

为解决光谱反射率重建过程中训练样本数目庞大导致工作量大,重建精度不高等问题,提出一种基于NSGA-Ⅱ算法的光谱反射率重建样本选择方法。近日Liang等提出了一种从大量样本数据中选取具有代表性样本的新方法,定义光谱重建误差为均方根误差与拟合优度系数的乘积,以这一标准选择光谱重建误差最小的样本作为代表性样本进行光谱反射率重建。受Liang等人工作的启发结合NSGA-Ⅱ算法选择代表性样本,先对全体训练样本使用多项式回归算法和伪逆法进行光谱反射率重建,再使用NSGA-Ⅱ算法,设定两个目标函数,一个是所需代表性样本个数的光谱均方根误差的和,另一个是拟合优度系数倒数的和,令两个目标函数值最小。将经过NSGA-Ⅱ算法挑选出的Pareto等级为1的全部样本按照样本出现次数由高至低排序,以此顺序从高到低依次选为代表性样本,直至达到所需代表性样本个数。若从Pareto等级为1的样本集合中挑选的代表性样本数不足所需要的个数则选择下一等级出现次数最多且没有被选择过的样本直至代表性样本数达到需求。将1269块无光泽Munsell标准色卡按照样本下标划分为偶数色卡、奇数色卡,第一组实验用Munsell奇数色卡为全体训练样本,从Munsell偶数色卡中随机选择20个色块为测试样本。第二组实验选用Munsell偶数色卡为全体训练样本,从Munsell奇数色卡中随机选取20个色块为测试样本。第三组实验训练样本与第一组相同,RC24色卡为测试样本。将该方法与Mohammadi、Cao、Liang等提出的三种样本选择方法进行对比。通过实验得到使用NSGA-Ⅱ算法结合多项式回归与伪逆法选择的代表性样本重建的光谱反射率在均方根误差和色差两个指标上均优于现有的样本选择方法,并且该方法不限于特定系统,具有通用性。

基于相机RGB值的光谱反射率重建方法研究

光谱反射率重建技术可实现背景颜色数据准确校正和复制还原,以此为基础可设计实施高融合迷彩,为机动装备在不同背景环境下提供有效防护屏障,具有重要价值。参照光谱成像技术特点,根据颜色形成原理和三刺激值定量计算公式,通过控制单一变量法设计实验方案,提出加权平均光谱反射率重建方法(TWA),利用相机和光谱仪分别获取训练样本的成像系统响应值(RGB)和光谱反射率数据,对所提取的样本RGB值和光谱反射率数据分别采用传统最小二乘法(OLS)、正则化最小二乘法(RLS)、偏最小二乘法(PLS)、主成分分析法(PCA)和本文中提出的加权平均法(TWA)进行光谱反射率重建训练,获得光谱重建矩阵,最后利用光谱重建矩阵对测试样本响应值进行光谱反射率重建,并对实验结果进行分析,对比不同方法的光谱反射率重建效果。研究结果表明,加权平均法在光谱均方根误差SRMSE、平均拟合优度系数GFC、平均色差等指标上效果更优,重建所得光谱反射率精度更高,颜色校正效果更佳。

利用高光谱反射率预测枸杞叶片氮素含量

为实现枸杞氮素含量的快速无损监测,以“宁杞7号”为研究对象,同步测定枸杞叶片光谱反射率与叶片氮素含量,选用快速傅里叶变换(FFT)对测定的枸杞叶片光谱进行平滑滤波处理,并获取原始光谱(OS)。采用一阶微分、二阶微分及连续统去除法对原始光谱进行变换处理,获取枸杞叶片一阶微分光谱(FDS)、二阶微分光谱(SDS)及连续统去除光谱(CRS),将原始光谱及3种变式光谱分别与叶片氮素含量进行相关性分析,进而筛选出敏感波长,并构建预测枸杞叶片氮素含量的随机森林回归模型(RFRM)和多元线性回归模型(MLRM)。结果表明,基于3种变换光谱构建的RFRM和MLRM的预测精度均优于基于OS构建的模型;其中:基于FDS构建的模型预测效果最优,其次为基于SDS和基于CRS构建的模型,基于OS构建的模型预测精度最差。同时表明,RFRM的拟合度均优于MLRM,基于原始光谱OS、一阶微分光谱FDS、二阶微分光谱SDS和连续统去除光谱CRS构建的RFRM,同MLRM相比,其模型拟合度分别提高0.258、0.259、0.275和0.291,RMSE分别降低0.044、0.054、0.059、0.076,MAE分别降低0.045、0.043、0.066、0.059。基于FFT+FDS组合方法下筛选的敏感波长构建的RFRM,其建模数据集的拟合度、RMSE和MAE分别为0.897、0.071和0.058,检验数据集的决定系数、RMSE和MAE分别为0.689、0.129和0.102,模型具有良好的精度和稳定性,可作为枸杞叶片氮素的高光谱估测方法。

基于阴影和周边区域色差的光照条件和光谱反射率计算方法

光照条件和光谱反射率对增强现实和场景渲染任务非常有用,但是通过仪器采集比较困难,因此根据普通图像计算光照条件和光谱反射率是重要的计算机视觉任务.本文设计了一种通过分析场景中的阴影区域和周边区域颜色之间的色差,无需训练数据即可计算场景的光照条件和光谱反射率的算法.在自然场景中,阴影区域由于遮挡只能接收和反射天空光,而其周边的非阴影区域则同时受到太阳光和天空光的影响.当阴影和非阴影区域有着相同的光谱反射率时,两块区域颜色之间的色差反映了被遮挡光源的信息.两块区域之间的颜色差异由光照条件造成,又以光谱反射率为联系.因此,可以利用这两种颜色之间的关系计算光照条件和光谱反射率.本文使用先验知识和模型公式化表达某一区域在光照下呈现在图像中的颜色,然后基于两种颜色以及两者之间的色差设计了一种优化算法,通过计算最优解来计算场景的光照条件以及光谱反射率.通过在多个数据集上的一系列对比实验,以及一个使用光照条件和光谱反射率来去除阴影区域的应用实验,证明了该算法的准确性.

基于改进加权欧氏距离的光谱反射率重建样本选择方法研究

获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证,这对纺织服装、出版印刷、网络电商、远程医疗等对颜色有较高要求的行业有重要作用。光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系,从而避免使用分光光度计等专业设备所带来的成本高、操作复杂、分辨率低等问题。训练样本的选择是影响光谱反射率重建算法效果的重要因素。从物理角度看,光谱反射率是一条关于波长的光滑曲线,光谱反射率向量最大的相关性特征就是其光滑性,因此,训练样本的选择应同时考虑空间距离和形状的相似性。针对局部学习方法中局部样本选择问题,提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法,以提高光谱反射率重建的精度。该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量,根据样本容量动态地选出相似度较高的样本。实验以孟赛尔半光泽数据集(munsell matte)为样本集,基于伪逆法进行光谱反射率重建,以光谱均方根误差和色差为评价指标,与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行比较。实验结果表明,基于改进加权欧氏距离的样本选择,能够在保证均方误差最小的条件下,显著降低色度误差,同时添加不同噪声水平后,文中方法的均方根误差和平均色差依旧保持最小,该方法能够更好地利用局部样本的信息,而且具有较好的抗干扰能力,可以有效地提高光谱反射率重建的实际应用效果,进而为颜色的真实再现提供保障。

基于光谱反射率的数字喷墨印刷图像呈色控制研究

本文对数字喷墨印刷图像的呈色机理及影响图像呈色原因进行了深入分析,通过研究不同色墨敏感光谱波段、光谱反射率与网点面积关系及50%网点合理扩大率与光谱反射率合理容差关系,得出了如何通过控制光谱反射率变化容差来调制喷墨速度及网点面积,实现数字喷墨印刷图像呈色控制的方法。

基于光谱反射率的茶染宣纸茶水浓度预测

茶染作为植物染色的一大门类,同时具有良好的环保性能和深厚的文化底蕴。为了能够准确描述茶叶染色的光谱变化,本文研究茶染后宣纸的光谱反射率与茶叶浓度的关系。首先采用分光光度计测量400~700 nm波段被茶叶染色后宣纸的光谱反射率,分别基于偏最小二乘回归模型、BP神经网络和连续投影算法(SPA)选择特征波段建立光谱信息与茶叶浓度之间关系的预测模型。然后以光谱反射率作为输入变量,对茶叶浓度进行预测。结果表明:基于偏最小二乘法、BP神经网络和连续投影算法选择特征波段建立模型,通过茶染宣纸的光谱反射率来预测茶叶浓度具有较高的稳健性和可信度,其中SPA-BP神经网络模型的效果最优,平均预测正确率为98.40%,决定系数为0.9910,均方根误差为0.8433。这说明通过茶染宣纸的光谱数据来预测茶叶浓度具有可行性。

基于高光谱反射率的棉花冠层叶绿素密度估算

为了进一步提高棉花叶绿素密度高光谱估算精度,该研究以棉花冠层叶绿素密度以及冠层高光谱反射率为数据源,在分析叶绿素密度与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、已有光谱指数及全波段组合指数相关性的基础上,采用线性及多元逐步回归技术构建了叶绿素密度高光谱诊断模型,系统对比分析了以上4种光谱形式用于棉花冠层叶绿素密度诊断的精度。结果表明:1)基于一阶导数光谱反射率的估算模型精度明显优于原始光谱反射率;2)基于比值指数或归一化指数形式的估算模型精度及稳定性要优于单波段或多波段的线性模型;3)单波段变量DR756、全波度组合比值指数DR635/DR643以及归一化指数(DR1055-DR684)/(DR1055+DR684)均可较好的实现叶绿素密度估算,其中由DR635/DR643为自变量的模型所得到棉花冠层叶绿素密度估算值与实测值拟合最好,相关系数达到0.821。该研究可为高光谱技术在棉花冠层叶绿素密度诊断中的更好应用提供参考。

病害胁迫对棉叶光谱反射率和叶绿素荧光特性的影响

研究病害胁迫对棉叶光谱反射率和叶绿素荧光特性的影响,以期为利用光谱和叶绿素荧光技术监测棉花黄萎病提供新的技术和方法。通过田间黄萎病接种处理,诱导发病后测定病害棉叶理化参数,光谱及叶绿素荧光参数,并对三者进行分析。结果表明,随着病害严重度增加,棉叶叶绿素a、叶绿素b、叶绿素a+b、叶片含水率、叶片全氮质量分数均减少,类胡萝卜素含量先降后增;不同生育期和不同品种的病害棉叶光谱反射率在可见光到短波红外区域(400～2 500 nm)均呈现逐渐上升的趋势;病叶光谱指数红边位置、优化土壤调节植被指数、生理反射植被指数、绿度归一化植被指数、红谷位置、672nm处的归一化吸收深度和吸收面积均逐渐减少,R550、R680、R1200、R1685、转换叶绿素吸收反射指数、红边宽度和672nm处的归一化的吸收宽度均逐渐增加;病叶叶绿素荧光参数可变荧光、最大荧光、光系统Ⅱ最大光化学效率、光系统Ⅱ的潜在活性、最大荧光与最小荧光比、光系统Ⅱ的量子产额均减小,而初始荧光增加。相关分析后发现,病害棉叶严重度SL与除了类胡萝卜素之外的所有理化参数、光谱和叶绿素荧光参数间均达到显著相关水平,与光谱特征参数的相关性最好,与理化参数的相关性次之,与叶绿素荧光参数的相关性较好。说明病害胁迫对棉叶光谱及叶绿素荧光特征均产生了一定的影响,用光谱和叶绿素荧光监测棉花病害是可行的。

油菜叶片和冠层水平氮素含量的高光谱反射率估算模型

通过设计实验首先确定是否可以用油菜叶片反射率光谱预测其氮素含量,以及是否可以用预测的光谱特征值与氮素含量建立相关模型。实验结果表明,反射率光谱的转化形式R的一阶微分为预测油菜氮素含量的最佳形式,最佳波段选择与其他研究结果相似。短波红外光谱波段能较好预测氮素含量,但是选择的高相关性短波红外区域一般都较窄,因此可用高光谱和高辐射分辨率来准确描述油菜光谱特征。短波红外反射率的变化主要是由于植被化学信号的改变而引起的。直接太阳辐射率、观测设备、叶片振动以及大气湿度的细微变化都可能引起光谱一阶微分的变化。冠层反射率一阶微分R′建立的逐步回归模型拟合度较高。

水稻叶绿素浓度与光谱反射率关系研究

结合田间小区实验,获取了水稻生育期9组叶片叶绿素浓度和相应的光谱反射率数据,进行了相关分析研究,结果表明:水稻叶片叶绿素浓度与其光谱反射率之间具有相关性,在450～686nm和750～770nm光谱区内相关性较好,且在686nm处两者达到最高的相关性;水稻叶片的"红边"拐点波长位置与其叶绿素浓度之间具有很强的相关性,复相关系数为0.88,并由此进一步讨论了高光谱遥感定量探测水稻叶绿素浓度的可行性。

不同氮肥水平下大豆叶片光谱反射率与叶绿素含量的相关性研究

用Unispec光谱分析仪和SPAD-502叶绿素仪测定不同生育时期不同氮肥水平大豆叶片光谱反射率及叶绿素含量,并分析了光谱植被指数与叶绿素含量的相关性。结果表明:不施氮肥处理光谱反射率高于施氮处理,随着施氮量的增加,大豆叶片光谱反射率下降,并初步断定结荚期是大豆氮素光谱营养诊断的敏感时期;随着氮肥水平的提高叶绿素含量增加;整个生育时期,除鼓粒期不施氮处理外其它处理的植被指数mND705与叶绿素含量均呈极显著正相关;在花期和结荚期,各处理的mSR705与叶绿素含量呈极显著正相关,PSSRc与叶绿素含量呈极显著负相关。

基于高光谱反射率的藻类水体基线荧光峰高度与叶绿素α浓度关系研究

采用现场实测和室内培养两种方式测定了甲藻、赤潮异弯藻、叉角藻赤潮和新月菱形藻、海洋蓝绿藻、叉鞭金藻、塔胞藻、扁藻和小球藻等非赤潮藻类光谱曲线。采用度量太阳激发的叶绿素荧光峰高度的基线荧光高度法，建立了不同藻类基线荧光高度与叶绿素浓度的关系。基线荧光高度法所用的3个荧光高度波段分别为665nm、680nm和865nm。在采用线性方程对不同藻类水体基线荧光高度与叶绿素浓度进行回归分析时，不同藻类产生了明显不同的结果。其中赤潮异弯藻、海洋蓝绿藻和甲藻为负相关，其余为正相关。在正相关的藻类中，小球藻最低，为0．4692。结果偏差主要来自于两个方面：一是藻类荧光峰位置变化影响；二是浮游植物红光和近红外波段高反射率的影响。

不同品种玉米氮含量与叶片光谱反射率及SPAD值的相关性

为明确不同玉米品种SPAD值及光谱反射率进行氮素营养诊断的可行性,以华北地区的6个主要玉米杂交品种中单909、隆平206、郑单958、金赛06-9、农华101与登海605为材料,设置0.04、0.4、2.0和4.0 mmol/L 4个氮水平的砂培试验,研究了玉米拔节期氮含量、叶片光谱反射率及SPAD值的处理间差异,及其不同氮水平下玉米氮含量与叶片550 nm处的光谱反射率及SPAD值的相关性。结果表明:来源于氮水平的变异远高于品种及二者交互作用引起的变异,植株氮含量与叶片550 nm处的光谱反射率呈显著负相关关系(R=-0.808 8),氮含量与SPAD值存在极显著的正相关性(R=0.895 6)。因此,通过SPAD值及光谱反射率对华北地区玉米杂交种进行氮素营养诊断是可行的,且用SPAD值来诊断氮素营养状况要比光谱反射率的精确度高。

不同氮处理春玉米叶片光谱反射率与叶片全氮和叶绿素含量的相关研究

采用盆栽试验研究了不同氮营养水平下的春玉米叶片叶绿素和全氮含量与叶片光谱反射率的相关性。结果表明,拔节期和喇叭口期是玉米氮素光谱营养诊断的敏感时期;利用绿峰处叶片最大光谱反射率反演玉米叶片氮素含量和叶绿素含量的精度为:喇叭口期>拔节期>开花吐丝期;不同生育时期诊断玉米叶片氮素含量和叶绿素含量时所采用的光谱波段也不同,拔节期和喇叭口期采用可见光波段的光谱反射率可靠性较高,而开花吐丝期采用近红外波段的光谱反射率可靠性较高;两波段组合光谱变量对叶片叶绿素和全氮含量的判别精度高于单一波段的判别精度。

不同施氮水平辣椒地上部全氮含量与冠层光谱反射率的相关性

为了给辣椒精准施肥及其高产、优质、高效生产提供依据,分析了2个辣椒品种在不同施氮水平下地上部分的全氮含量及其与冠层光谱反射率和叶绿素含量（SPAD）之间的相关性。结果表明：植株全氮含量在适量施氮处理下达最大值,随着施氮量的增加,叶片全氮含量与叶片SPAD呈极显著相关且相关性减小;冠层光谱反射率在760～1 350nm能较准确地反映地上部分全氮含量和叶片全氮含量,说明通过光谱测定能及时监测辣椒的氮素状况,这为利用作物全氮含量计算施氮量提供了廉价、快速、实时的作物含氮量信息。

叶面施肥对草坪高光谱反射率及色泽的影响

色泽是草坪外观质量重要的评价指标之一,叶绿素水平是影响草坪色泽的重要因素。对4种草坪高羊茅、草地早熟禾、普通狗牙根和匍匐翦股颖进行叶面喷施氮肥、铁肥试验,研究草坪反射光谱特征与叶绿素密度的相关性。结果显示,施用氮肥或氮肥+铁肥显著提高草坪草叶绿素密度,降低可见光区光谱反射率;草坪可见光区光谱反射率与叶绿素密度呈显著负相关,其中绿波段反射率R531与叶绿素密度具有最大相关系数(r=-0.855);通过逐步回归分析,得出了由绿波段R531和R562构建的反演叶绿素密度和评价草坪色泽的回归方程,且预测值与实测值相关性达极显著水平。