南疆沙尘区骏枣叶片水分含量检测的近红外光谱预处理方法对比

摘要：

南疆地区沙尘多、灰尘大,枣树叶片表面经常覆盖一定程度的粗颗粒度沙尘,为了有效去除沙尘、灰尘在枣树叶片水分光谱测量过程中产生的散射噪声和基线漂移,研究一种适用于风沙较大地区的枣树叶片水分含量的快速检测方法,以不同灌溉梯度下的枣树叶片为研究对象,通过近红外光谱仪获取120个叶片样本的1000～1800 nm的光谱数据,并同步测量叶片水分含量,采用归一化、移动窗口平滑、SavitZky-Golay(SG)卷积平滑、SG求导、标准正态变量校正(SNV)和多元散射校正(MSC)等方法对原始光谱进行预处理,分析对比不同方法对散射噪声的处理能力,采用偏最小二乘回归分析方法筛选了敏感波段和建立预测模型.实验结果表明,枣树叶片水分含量强吸收峰为1443 nm,波谷为1661 nm;归一化光谱并未消除1000～1400 nm波段的散射噪声;移动窗口平滑和SG卷积平滑并未改进光谱曲线,散射噪声仍然存在;SG导数光谱的光谱特征峰和特征谷明显左移,光谱曲线不够平滑,噪声明显;SNV和MSC方法具有较好的散射噪声消除能力.偏最小回归分析方法筛选特征波长的结果表明(设置筛选波长数量为5),基于原始光谱未筛选到1443 nm的强波峰和1661 nm的波谷附近的波段;基于归一化光谱在1450 nm波峰附近筛选的波长有一定的偏差,在1661 nm波谷附近的筛选的波长明显高于1700 nm;基于移动窗口和SG卷积平滑光谱在1443 nm具有一定的筛选能力,但并未筛选到1661 nm附近的波长;导数光谱并未筛选到1443和1661 nm波段;SNV和MSC在波峰和波谷位置附近均筛选了敏感的光谱波段,其中MSC略优于SNV方法恰好在波峰和波谷位置,共筛选了1002,1383,1411,1443和1661 nm五个特征波段,也证明了M SC方法散射噪声和基线漂移处理能力最优,提高了敏感波长的筛选能力.偏最小二乘回归模型结果表明,不同预处理方法的RMSE值均较低,SNV和MSC方法改进了模型的预测结果,R2高于0.7,其中基于MSC方法的模型具有最高的R2和最低的RMSEP和RMSEPCV,R2=0.7504,RMSEP=0.0343,RM-SECV=0.0215,预测结果较优.证明MSC方法对沙尘和颗粒度引入的散射噪声具有较好的去除能力,可改进波长的筛选、提高预测模型精度,为南疆沙尘区的枣树叶片水分含量的无损检测提供了有效方法.

关键词：叶片水分含量、近红外光谱、散射噪声、预处理方法、多元散射校正

所属期刊栏目：39

分类号：S66(果树园艺)

在线出版日期：2019-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1323-1328