[发明专利]一种基于光谱技术的小麦叶片糖氮比快速检测方法

权利要求书

1.一种基于光谱技术的小麦叶片糖氮比快速检测方法，包括采集样品光谱，其特征在于将利用近红外光谱及光谱采集平台采集的小麦叶片光谱基于TQ Analyst 7.0平台进行预处理，应用偏最小二乘法对预处理的光谱数据进行分析，提取特征光谱，将特征光谱输入小波神经网络模型中，检测得到小麦叶片糖氮比。

2.根据权利要求1所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的利用近红外光谱及光谱采集平台采集的小麦叶片近红外光谱步骤为先采集背景光谱，然后采集样品光谱；光谱采集参数为：扫描次数为8、16、32、64或128，光谱范围1100~2500nm，分辨率为0.25、0.5、1、2、4或8。

3.根据权利要求2所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的光谱最佳采集参数为：扫描次数为64，光谱范围1100~2500nm，分辨率1 nm。

4.根据权利要求1所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的基于TQ Analyst 7.0平台进行预处理主要包含以下步骤：在光谱范围1655~2378 nm内，对光谱进行多元散射校正，Norris平滑处理和一阶导数处理。

5.根据权利要求4所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的多元散射校正是利用Pathlength组件对光谱进行多元散射校正，所述的平滑处理是利用Spectra组件的Smoothing功能对光谱进行Norris平滑预处理，所述的一阶导数处理是利用Regions组件对光谱进行一阶导数预处理。

6.根据权利要求1所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的提取特征光谱为应用偏最小二乘法模型对预处理过的光谱数据进行分析，压缩样品的光谱信息，提取6个特征光谱。

7.根据权利要求1所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的小波神经网络模型为运用Levevberg-Marquardt优化算法训练的小波神经网络模型。

8.根据权利要求7所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的运用Levevberg-Marquardt优化算法训练的小波神经网络模型为采用输入层、隐含层和输出层的三层结构模式，输入层节点数-隐含层节点数-输出层节点数为6-7-1，输入层节点为6个特征光谱，隐含层节点数为训练网络时预测值和真实值误差最小时的节点数7，输出层节点为小麦叶片糖氮比1。

9.根据权利要求8所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的小波神经网络模型隐含层传递函数采用小波函数Morlet，输入层到隐含层的权值和阈值分别为Morlet函数的伸缩参数和平移参数。

10.根据权利要求8所述的基于光谱技术的小麦叶片糖氮比快速检测方法，其特征在于所述的Levevberg-Marquardt网络优化算法，学习速率为0.01，最大训练次数为1000，网络模型期望误差为0.001。