【摘要】 本发明公开了一种基于可见-近红外光谱的植物叶片生理指标无损检测方 法，可对叶绿素、氮素、叶黄素、水分等成分含量进行快速、多参数同时检测。 本发明对校正集样本进行光谱采集，在对光谱数据进行预处理和波段优选后建 立光谱值与植物组分含量标准值之间的校正模型；采集未知样本的光谱，对光 谱数据预处理后，将选定波段数据代入校正模型对待测组分的含量进行预测。 本发明技术方案采用全谱信息，被测参数可扩展性强且提高了校正模型的预测 精度和模型适应性；本发明采用的透反射测量方式增加了光谱灵敏度，而且对 叶片类型的适用性更强；本发明采用的一种改进的小波分析方法对叶片光谱数 据同时进行噪声去除和基线校正预处理，能有效提高预测精度。。 【专利类型】发明授权 【申请人】北京航空航天大学 【申请人类型】学校 【申请人地址】100083北京市海淀区学院路37号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810226930.3 【申请日】2008-11-20 【申请年份】2008 【公开公告号】CN100590417C 【公开公告日】2010-02-17 【公开公告年份】2010 【授权公告号】CN100590417C 【授权公告日】2010-02-17 【授权公告年份】2010.0 【发明人】李庆波; 张广军; 李响; 张倩暄 【主权项内容】1、一种植物叶片生理指标无损检测方法，其特征在于，包括以下步骤： 采集有代表性的样本作为校正样本集，采用透反射方式测量校正样本集中 的样本在可见-短波近红外范围的连续光谱； 采用标准分析方法测定校正样本集中样本的待测组分含量，并将其作为标 准值； 采用小波功率谱分析法对校正样本集的光谱数据进行噪声去除和基线校正 的预处理，处理步骤为：确定初步分解尺度，对各初步确定的分解尺度下的信 号细节部分进行功率谱分析，从而确定出最佳的分解尺度；采用所述最佳分解 尺度对所述光谱数据进行小波分解后，将只含有噪声成分尺度下的高频小波系 数全部置0，而对同时含有信号与噪声成分尺度下的高频小波系数进行阈值滤 波，去除高频噪声；在最大分解尺度的低频估计部分以二次多项式对基线进行 最小二乘拟合并加以去除； 在对所述校正样本集的光谱数据进行所述预处理后，针对不同生理指标进 行波段优选，建立包含所述标准值和所述预处理后优选波段对应的光谱值之间 的回归关系的校正模型； 利用所述校正模型测定未知样本的待测组分的化学含量，处理步骤为：采 用透反射方式测量未知样本在可见-短波近红外范围的连续光谱；采用小波功率 谱分析法对未知样本的光谱数据进行噪声去除和基线校正的预处理；将所述未 知样本的预处理后的光谱数据代入所述校正模型从而获得所述未知样本的待测 组分的化学含量。 【当前权利人】北京航空航天大学 【当前专利权人地址】北京市海淀区学院路37号 【统一社会信用代码】12100000400011227Y 【被引证次数】TRUE 【家族被引证次数】TRUE
