基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法

摘要：

叶绿素荧光参数Fv/Fm在植物逆境胁迫研究中具有重要意义,当前获取方法需要对植物进行暗适应处理,难以实现实时测量.为实现Fv/Fm的实时获取,本文以4种水分胁迫水平下的辣椒为研究对象,基于高光谱成像及特征波段筛选方法对Fv/Fm进行预测.采用中值滤波对Fv/Fm 图像去噪,并基于二维坐标变换实现高光谱图像与叶绿素荧光图像的匹配.对比标准正态变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑(SG)3种光谱预处理算法,并基于连续投影(SPA)算法筛选特征波长.基于效果最优的SG预处理算法,分别以偏最小二乘回归(PLSR)、分析误差反向传播(BP)神经网络、径向基函数(RBF)神经网络对比建模精度,其中BP算法建立的模型精度相对较高,其测试集决定系数为0.918、均方根误差为0.011.研究表明,SG-SPA-BP的建模方法在实现预测精度的同时降低了模型复杂度.为基于高光谱图像对Fv/Fm图像的实时准确预测提供了方法.

关键词：叶绿素荧光图像、高光谱图像、特征波长、神经网络、辣椒

所属期刊栏目：53

分类号：S24(农业电气化与自动化)

资助基金：国家自然科学基金;陕西省重点研发计划项目;西安市科技计划项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-198