高光谱成像技术快速检测生物质秸秆元素含量.pdfVIP

第 30卷 第 22期 农 业 工 程 学 报 Vo1．30 No．22 2014年 1】月 TransactionsoftheChineseSocietyofAgriculturalEngineering Nov．2014 181 高光谱成像技术快速检测生物质秸秆元素含量 牛智有，李晓金，高海龙 (华中农业大学工学院，武汉 430070) 摘 要：为了探讨生物质秸秆元素含量的快速检测方法，该文运用高光谱成像技术，结合多种数据优选方法对生 物质秸秆中N、C、H、S、O元素含量快速检测的可行性进行研究。选取玉米、水稻、小麦、油菜4种类别共计 188个秸秆样本，采集其反射高光谱图像，并测定元素含量。采用竞争性 白适应重加权采样 (competitiveadaptive reweightedsampling，CARS)算法选取元素检测敏感变量，提取光谱维数据，结合偏最小二乘 (partialleastsquares， PLS)算法，建立了基于高光谱光谱维数据的元素定量分析模型，N元素采用24个变量建立模型，验证集相关系 数为0．923，均方根误差 (rootmeansquareerroTofvalidationset，RMSEP)为 0．196％，相对分析误差 (relativeanalysis error，RPD)为 3．11；O元素仅采用 10个光谱变量建立模型，验证集相关系数为 0．876，均方根误差为 1．015％， 相对分析误差为 2．32，N、0元素的模型可以用于实际应用；C、H、S元素相验证集相关系数均小于 0．80，无法 实际应用分析。采用独立成分分析 (independentcomponentanalysis，ICA)算法结合权重系数法，提取 IC1一IC5 分析图像中特征光谱波段为 572．09、643．69、685．14、766．79、819．55、964．01nn／，用 6个特征光谱变量建立基于 高光谱图像维数据的秸秆元素定量分析模型，N、C、H、S和O5种元素无法用于实际检测。研究结果表明，采 用高光谱成像技术并应用光谱维数据结合CARS—PLS算法可以实现秸秆N、O元素的有效检测。 关键词：秸秆；光谱分析；图像处JE；元素分析；高光谱成像技术；数据优选 doi：10．3969~．issn．1002—6819．2014．22．022 中图分类号：$216．2；TP391．4 文献标识码：A 文章编号：1002—6819(2014)一22—018卜O7 牛智有，李晓金，高海龙．高光谱成像技术快速检测生物质秸秆元素含量 [J]．农业工程学报，2014，30(22)： 181— 187， NiuZhiyou，LiXiaojin，GaoHailong．Rapiddetectionofelementcontentins仃awbiomassusinghyperspectralimaging technology[J]．TransactionsofhteChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2014，30(22) 181——187．(inChinesewihtEnglishabstract) 烧性能意义重大。 0 引 言 高光谱成像技术综合把传统的二维成像技术 中国秸秆总产量随着农业综合生产力的提高 和光谱技术有机地结合在一起，是一种集光学、光 呈不断增长之势，主要的秸秆作物包括水稻、玉米、 电学、信息处理和计算机科学等领域的先进技术， 小麦等，生物质秸秆不仅对中国养殖业及种植业的 具有超多波段、高的光谱分辨能力和图谱合一的特 可持续发展提供支持，对农村新能源的开发和推广 点。高光谱成像技术 已广泛用于农产品品质的检 也提供了重要的物质基础…。秸秆植物光合作用生