近红外光谱技术快速无损诊断黄瓜植株氮、镁元素亏缺

被引：22

作者：

石吉勇 ^{[1
]}

邹小波 ^{[1
]}

赵杰文 ^{[1
]}

毛罕平 ^{[2
]}

王开亮 ^{[1
]}

陈正伟 ^{[1
]}

黄晓玮 ^{[1
]}

机构：

[1] 江苏大学食品与生物工程学院

[2] 江苏大学现代农业装备与技术重点实验室

来源：

农业工程学报 | 2011年 / 27卷 / 08期

关键词：

氮元素; 镁元素; 遗传算法; 黄瓜植株; 缺素诊断; 近红外光谱技术;

D O I：

暂无

中图分类号：

S123 [光在农业上的应用]; S642.2 [黄瓜];

学科分类号：

09 ; 090202 ;

摘要：

为了快速无损诊断黄瓜植株氮、镁元素亏缺,以K-最近邻域法(k-nearest neighbors,KNN)模型识别率作为遗传算法中染色体的适应度值,采用遗传算法(genetic algorithm,GA)优选近红外光谱特征子区间,交互验证优化主成分因子数和K值后建立了特征子区间对应的GA-KNN诊断模型。通过控制营养液中氮和镁的含量,在温室大棚内以无土栽培方式培育氮、镁元素亏缺植株,并用近红外光谱仪采集缺氮、缺镁植株老叶的光谱信息。结果表明:原始光谱经过标准正交变换预处理和子区间总数优化后,均匀划分为42个子区间,遗传算法优选出第6、9、13、17、18、24、34和37共8个特征子区间,当主成分因子数为5,K值为5时得到最优GA-KNN诊断模型。模型对应的训练集识别率为98%,预测集识别率为96%,优于全光谱Bayes和KNN模型的诊断效果。试验证明利用近红外光谱技术快速无损检测黄瓜氮和镁元素亏缺是可行的。

引用

页码：283 / 287

页数：5

共 19 条

[11]

Gasoline classification using near infrared （NIR） spectroscopy data: Comparison of multivariate techniques[J] . Roman M. Balabin,Ravilya Z. Safieva,Ekaterina I. Lomakina.Analytica Chimica Acta . 2010 (1)

[12]

Visible/near infrared-partial least-squares analysis of Brix in sugar cane juice[J] . Natalia Sorol,Eleuterio Arancibia,Santiago A. Bortolato,Alejandro C. Olivieri.Chemometrics and Intelligent Laboratory Systems . 2010 (2)

[13]

Use of near-infrared reflectance spectroscopy in predicting nitrogen, phosphorus and calcium contents in heterogeneous woody plant species[J] . C. Petisco,B. García-Criado,B. R. Vázquez de Aldana,I. Zabalgogeazcoa,S. Mediavilla,A. García-Ciudad.Analytical and Bioanalytical Chemistry . 2005 (2)

[14] Comparison of classification approaches applied to NIR-spectra of clinical study lots [J].

Candolfi, A ;

Wu, W ;

Massart, DL ;

Heuerding, S .

JOURNAL OF PHARMACEUTICAL AND BIOMEDICAL ANALYSIS, 1998, 16 (08) :1329-1347

[15] Two methods for the analysis of colorimetric components applied to plant stress monitoring [J].

Bacci, L ;

De Vincenzi, M ;

Rapi, B ;

Arca, B ;

Benincasa, F .

COMPUTERS AND ELECTRONICS IN AGRICULTURE, 1998, 19 (02) :167-186

[16]

Early diagnostics of macronutrient deficiencies in three legume species by color image analysis. Wiwart M,Fordonski G,Zuk-Golaszewska K et al. Computers and Electronics in Agriculture . 2009

[17] 作物水分和氮素光谱诊断研究进展 [J].