[发明专利]希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法

说明书

本发明公开一种希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法，属于作物中微量元素测量技术领域。根据测量目标需求，构建4个功能模块：光谱采集模块、光谱预处理模块、光谱数据主成分分析模块和模式识别模块。实现主要功能是应用拉曼光谱仪采集水稻植株光谱，应用小波分解方法对拉曼光谱数据去噪和基线校正，抽取光谱数据主成分进行希尔伯特变换，得到频率‑波数谱，通过神经网络训练识别得到氮素特征频率，建立特征频率与氮素含量最小二乘测量模型。使用该方法测量水稻植株中氮素含量，不会受到水稻中其它微量元素含量影响，具有微测量、便捷和准确的特点，适合批量操作。

技术领域

本发明为一种希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法，属于作物中微量元素测量技术领域。

背景技术

传统氮素水平的检测方法有土壤指标法、生化测定法、经验法。土壤指标法是根据土壤中氮素含量，向水稻补充肥料，即测土配方。生化测定法是目前水稻氮素检测的主要实验方法，包括甲醛法、凯氏定氮法、杜马斯燃烧定氮法等。经验法检测的技术手段或指标主要分为三类：目测法、光谱遥感法、机器视觉法。目测法以叶片出现的异常颜色为指标，依据生产经验进行病情诊断，是目前广泛采用的检测手段。光谱遥感法是以稻田冠层的反射光谱为分析对象，对比标准光谱实现缺氮检测。机器视觉法主要利用PC机，从图像上区分病稻与健康稻株的微小色差，是目测法的数字化延伸。上述方法中，只有当水稻出现病症时，光谱遥感法和机器视觉法才能有效检测，即难以进行早期测量。经验表明，水稻表现出缺氮症状以后，追加肥料的用量至少增加一倍并显著影响幼苗生长，因此缺氮病害的早期发现是至关重要的。土壤指标法具有预测性，但稻苗中氮素除了与土壤中氮素含量相关，还会受到光照、温湿度、土壤酸碱度等影响，是多因素制约变量，可见土壤指标法是间接测量手段，测量精度不高。生化测定法准确可靠，但操作复杂，效率较低，无法进行规模和快速测量，主要在对照实验中使用。在目前的水稻缺氮检测中，目测法虽然误差大，但是操作简单，是应用最广泛的检测手段。人工目测存在两个缺点：（1）人工目测需要按照经验观察稻株颜色，判断结果受主观因素影响较大。当两种及两种以上营养元素同时缺乏时，病变色彩交叉影响，使目测法不能有效判断。（2）人工目测只能观测到较严重的缺氮病变。在病变早期或程度较轻时，水稻植株表现的变化还不明显，但是对植株光合生理等已经带来严重影响，目测法却难以观察。

发明内容

本发明的目的就是针对上述已有技术存在的问题，研究一种水稻植株中氮素水平的拉曼光谱学希尔伯特频率分析方法，该方法可以准确、快速和早期测量水稻植株中氮素水平。

为实现以上目的，本发明是通过以下步骤来实现的：

（1）首先获取水稻植株拉曼光谱；

（2）然后对拉曼光谱数据预处理；

（3）接着对拉曼光谱信号进行数据压缩，得到主成分分量；

（4）最后对主成分分量进行希尔伯特变换，通过识别得到氮素特征频率，建立特征频率与氮素含量化学计量学测量模型。

【具体实施方式】

以下提供本发明基于拉曼光谱希尔伯特频率法测量水稻植株中氮素含量方法的具体实施方式。

暗室，25℃恒温环境下，激光波长785nm，激发功率10mw，压玻片整压水稻叶片1小时，距离叶尖1cm处中部截取0.5×0.5cm²叶样，将叶样置于拉曼光谱仪载物台上，获得样品拉曼光谱图像；用小波分解方法对拉曼光谱去噪和去除基线漂移处理，并归一化；对拉曼光谱信号进行主成分回归分析，通过线性组合得到主成分分量；对各主成分分量进行希尔伯特变换，卷积分处理得到标准频率-波数谱，通过神经网络训练识别得到氮素特征频率，建立特征频率与氮素含量最小二乘测量模型。