[发明专利]一种光谱检测果茶树营养状况的检测方法及系统

说明书

本发明公开了一种光谱检测果茶树营养状况的检测方法及系统，方法包括以下步骤：S1、通过多光谱图像采集设备采集茶树冠层的多光谱数据；获取到每株茶树样本冠层中央区域的多光谱数据；S2、基于H₂SO₄‑H₂O₂消煮‑奈氏比色法获取茶树氮含量；S3、分析多光谱数据；S4、通过分析光谱特征变量与氮含量之间的相关性，选取光谱特征变量来建立多个回归分析模型；S5、通过分析二进小波分解后的高频信息与氮含量之间的相关性，选取波段来建立预测模型；S6、验证建立的回归分析模型的准确性，将准确性与稳定性综合较高的作为茶树氮含量的检测模型；S7、将检测模型用于实际果茶树营养状况的检测。本发明方法可以快速、无损的检测果茶树的营养元素含量，并进行预测。

技术领域

本发明属于光谱检测技术领域，具体涉及一种光谱检测果茶树营养状况的检测方法及系统。

背景技术

氮、磷、钾等营养元素是促进植物叶片生长发育的重要化学元素,果茶树的叶片营养元素含量状况的有效检测有利于果茶树精准施肥和培育管理，同时对果茶树质量和产量的提高具有重要意义。

传统的化学方法对过茶树营养元素含量的检测虽然直观准确，但操作复杂繁琐、破坏样品材料，且无法做到实时、快速、无损地对大面积种植的果茶园进行检测。目前多光谱技术应用于农作物或果树等监控和检测较多，但是完整的检测系统，检测结果可视化研究较少；张等研究了水稻分蘖期冠层叶片的氮含量，利用BP神经网络建模，其决定系数可达0.68；肖等研究了开花期的紫丁香叶片的叶绿素含量，基于随机蛙跳方法筛选敏感波段，结合偏最小二乘和投票回归器建立了反演模型，并与全波段光谱法和5种经典变量提取方法进行比较，其决定系数可达0.94。上述研究中构建的模型稳定性较高，但可进一步提高。目前完整的检测系统较少，且采用小波分析分离原始光谱数据的低频信息与高频信息后构建反演模型的研究相对较少。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提出一种光谱检测果茶树营养状况的检测方法及系统，方法可以快速、无损的检测果茶树的营养元素含量，并进行预测；系统可实现实时监测功能。

为了达到上述目的，本发明采用以下技术方案：

一种光谱检测果茶树营养状况的检测方法，包括以下步骤：

S1、通过多光谱图像采集设备采集到作为样本的茶树冠层的多光谱数据；获取到每株茶树样本冠层中央区域的多光谱数据；

S2、针对于每株茶树样本，采用人工破坏性采摘的方法，基于H₂SO₄-H₂O₂消煮-奈氏比色法获取茶树氮含量；

S3、分析多光谱数据；

S4、通过分析光谱特征变量与氮含量之间的相关性，选取光谱特征变量来建立多个回归分析模型；

S5、通过分析二进小波分解后的高频信息与氮含量之间的相关性，选取波段来建立预测模型；

S6、验证建立的回归分析模型的准确性，将准确性与稳定性综合较高的作为茶树氮含量的检测模型；

S7、将检测模型用于实际果茶营养状况的检测。

进一步的，步骤S1具体为：

采用光谱仪作为多光谱图像采集设备，将光谱仪放在三脚架上，镜头平面位于茶树冠层上方1m处，并保持水平稳定，并在每次拍摄时均用黑白板进行矫正，公式如下：

进一步的，步骤S2具体为：

S31、采取人工破坏性采摘的方法，每株茶树取东西南北方向，上下层共8片叶片放入封口袋；