学位论文 > 优秀研究生学位论文题录展示

基于近红外光谱技术的小麦叶片氮素营养及籽粒蛋白质含量监测研究

作　者: 汤守鹏
导　师: 朱艳
学　校: 南京农业大学
专　业: 作物栽培学与耕作学
关键词: 小麦 近红外光谱技术 全氮 可溶性总糖 糖氮比 籽粒蛋白质 偏最小二乘法 BP神经网络 小波神经网络
分类号: S512.1
类　型: 硕士论文
年　份: 2009年
下　载: 67次
引　用: 1次
阅　读: 论文下载
 

内容摘要


作物氮素营养的快速、无损估测对提高产量和改善品质具有重要意义。近红外光谱为作物无损监测和信息的准确获取提供了有效手段。本研究的目的是以不同年份、不同品种、不同施氮水平的小麦田间试验为基础,基于傅立叶近红外光谱仪获取小麦主要生育时期鲜叶、干叶及其成熟期籽粒的光谱信息,运用偏最小二乘法(PLS)、BP神经网络(BPNN)和小波神经网络(WNN),分析并量化其与叶片全氮含量、糖氮比、籽粒蛋白质含量的关系,以实现小麦生长和品质信息的近红外快速预测模型。首先运用多种光谱预处理技术,对鲜叶在1155～1803 nm和2118～2500 nm光谱区间,干叶在2046～2155 nm、2297-2339 nm和2343～2378 nm光谱区间,用PLS、BPNN和WNN方法分别确立了小麦叶片氮含量的定量监测模型。结果显示,鲜叶和干叶的最优光谱预处理方法分别为MSC+Savitzky-Golay二阶导数和MSC+Norris一阶导数。对于鲜叶样品,PLS模型的预测均方根误差(RMSEP)和决定系数(R2)分别为0.216%和0.841；BPNN模型的RMSEP和R2分别为0.175%和0.894；WNN模型的RMSEP和R2分别为0.169%和0.901。对于粉末状干叶样品,PLS模型的RMSEP和R2分别为0.147%和0.910；BPNN模型的RMSEP和R2分别为0.101%和0.960；WNN模型的RMSEP和R2分别为0.094%和0.978。从模型精度和稳健性来看,神经网络法相对优于PLS法；粉末状干叶模型优于鲜叶模型。采用上述类似方法建立了小麦鲜叶和干叶糖氮比预测模型。结果显示,鲜叶光谱模型预测性能不佳；干叶在1655～2378 nm谱区范围内采用MSC+Norris一阶导数光谱预处理方法构建模型,表现较好；基于PLS、BPNN和WNN方法构建的糖氮比估算模型,其预测均方根误差(RMSEP)分别为0.332%、0.292%和0.288%,决定系数(R2)分别为0.853、0.865和0.870。进一步基于小麦籽粒近红外漫反射光谱构建了整粒小麦蛋白质含量预测模型。结果表明,对光谱进行多元散射校正并结合Norris一阶导数在1242～2230 nm谱区构建模型,表现较好；检验结果显示,PLS模型的RMSEP和R2分别为0.848%和0.794,BPNN模型的RMSEP和R2为0.770%和0.814,WNN模型的RMSEP和R2为0.761%和0.816；神经网络回归效果好于偏最小二乘法。最后探讨了同时估测小麦鲜叶和干叶可溶性总糖和全氮含量的可行性。结果表明,PLS、BPNN和WNN三种方法均不能准确的同时测定小麦鲜叶的全氮和总糖含量,但所构建的干叶WNN模型预测效果较好,其预测均方根误差(RMSEP)分别为0.101%和0.089%,决定系数(R2)分别为0.957和0.941；并且,在收敛速度和预测精度上,WNN模型均明显优于BPNN和PLS模型,其光谱预处理方法为：鲜叶为MSC+Savitzky-Golay二阶导数；干叶为MSC+Norris一阶导数；建模谱区为1100～2500nm。

全文目录


摘要  8-10
ABSTRACT  10-12
第一章 文献综述与立题依据  12-37
  1 研究背景  12-13
  2 近红外光谱技术简介  13-16
    2.1 近红外光谱技术的发展历程  13
    2.2 近红外光谱技术的理论基础  13-15
    2.3 近红外光谱分析的技术特点  15-16
  3 国内外研究进展  16-22
    3.1 作物叶片氮素营养监测  16-18
    3.2 作物叶片碳氮比监测  18-20
    3.3 籽粒蛋白质含量检测  20-22
  4 存在的问题与不足  22-23
  5 本研究的目的与意义  23-24
  参考文献  24-37
第二章 技术路线与研究方法  37-50
  1 研究思路与技术路线  37-38
  2 材料与方法  38-47
    2.1 试验设计  38-39
    2.2 测定方法  39-40
      2.2.1 光谱数据采集  39
      2.2.2 生化参数测定  39-40
    2.3 化学计量学方法  40-46
      2.3.1 光谱预处理方法  40-42
      2.3.2 定量校正方法  42-46
    2.4 模型性能的优化与评价  46-47
  参考文献  47-50
第三章 应用近红外光谱法估测小麦叶片氮含量  50-63
  1 材料与方法  51-53
    1.1 试验设计  51
    1.2 测定方法  51
      1.2.1 光谱数据采集  51
      1.2.2 氮含量测定  51
    1.3 数据处理与分析  51-52
      1.3.1 样品集的划分  52
      1.3.2 光谱预处理  52
      1.3.3 定量校正方法  52
    1.4 模型的优化与评价  52-53
  2 结果与分析  53-57
    2.1 小麦叶片全氮含量  53
    2.2 小麦叶片近红外光谱  53
    2.3 光谱预处理方法的确定  53-54
    2.4 PLS主成分数的确定  54
    2.5 神经网络结构和参数的确定  54-55
      2.5.1 网络结构设计  54-55
      2.5.2 网络参数的确定  55
    2.6 校正模型的构建与评价  55-57
  3 结论与讨论  57-58
  参考文献  58-62
  Abstract  62-63
第四章 应用近红外光谱法估测小麦叶片糖氮比  63-77
  1 材料与方法  64-65
    1.1 试验设计  64
    1.2 测定方法  64
      1.2.1 光谱数据采集  64
      1.2.2 糖氮比测定  64
    1.3 数据处理与分析  64-65
      1.3.1 样品集的划分  65
      1.3.2 光谱预处理  65
      1.3.3 定量校正方法  65
    1.4 模型的优化与评价  65
  2 结果与分析  65-70
    2.1 小麦叶片糖氮比的统计分析  65-66
    2.2 小麦叶片近红外光谱  66-67
    2.3 光谱预处理方法的选择  67
    2.4 神经网络结构和参数的确定  67-68
      2.4.1 网络结构设计  67-68
      2.4.2 网络参数的确定  68
    2.5 校正模型的构建与评价  68-70
  3 结论与讨论  70-72
  参考文献  72-76
  Abstract  76-77
第五章 应用近红外光谱法同时估测小麦叶片糖氮含量  77-89
  1 材料与方法  78-79
    1.1 试验设计  78
    1.2 测定方法  78
      1.2.1 光谱数据采集  78
      1.2.2 全氮和可溶性总糖测定  78
    1.3 数据处理与分析  78-79
      1.3.1 样品集的划分  78-79
      1.3.2 光谱预处理  79
    1.4 模型的优化与评价  79
  2 结果与分析  79-83
    2.1 光谱主成分的提取  79-80
    2.2 隐层节点数的选取  80-81
    2.3 神经网络参数的确定  81-82
    2.4 模型性能的检验与评价  82-83
  3 结论与讨论  83-84
  参考文献  84-88
  Abstract  88-89
第六章 应用近红外光谱技术分析小麦籽粒蛋白质含量  89-101
  1 材料与方法  91-92
    1.1 试验设计  91
    1.2 测定方法  91
      1.2.1 光谱数据采集  91
      1.2.2 籽粒蛋白质含量测定  91
    1.3 数据处理与分析  91
      1.3.1 样品集的划分  91
      1.3.2 光谱预处理  91
      1.3.3 定量校正方法  91
    1.4 模型的优化与评价  91-92
  2 结果与分析  92-95
    2.1 小麦籽粒蛋白质含量  92
    2.2 光谱预处理方法  92-93
    2.3 神经网络结构和参数的确定  93-94
      2.3.1 网络结构设计  93
      2.3.2 网络参数的确定  93-94
    2.4 模型的构建与评价  94-95
  3 结论与讨论  95-96
  参考文献  96-100
  Abstract  100-101
第七章 讨论与结论  101-110
  1 讨论  101-104
    1.1 化学计量学方法研究  101-102
    1.2 小麦叶片氮素营养监测  102-103
    1.3 小麦籽粒蛋白质含量检测  103-104
  2 本研究的特色与今后的研究设想  104-106
    2.1 本研究的特色与创新  104-105
    2.2 今后的研究设想  105-106
  3 结论  106
  参考文献  106-110
附录  110-114
致谢  114

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 机械臂视觉伺服系统的研究,TP242.6
  3. 葡萄籽原花青素制备工艺及真菌毒素检测,TQ461
  4. 市级旅游用地规划环境影响评价研究,X820.3
  5. 珠三角地区高性能混凝土配合比智能化系统,TU528
  6. 大学生综合素质测评研究,G645.5
  7. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  8. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  9. 小麦黄花叶病毒（WYMV）RNA2编码基因的功能研究,S435.121
  10. 河南省小麦纹枯病菌致病力分化及遗传多样性研究,S435.121
  11. 河南省小麦根腐线虫病原鉴定和RAPD分析,S435.121
  12. 高产小麦—玉米轮作体系氮素的调控与管理,S512.1
  13. 施氮模式对冬小麦/夏玉米农田土壤硝态氮变化及产量的影响,S512.11
  14. 10t/hm~2冬小麦氮素营养特性及诊断和氮肥运筹研究,S512.1
  15. 重组脂肪氧合酶的培养条件优化及其在小麦粉中的应用,TS201.25
  16. 麦胚多糖提取、纯化及抗氧化活性研究,TS210.1
  17. 解磷菌K3的溶磷特性及其在不同土壤中定殖研究,S144.9
  18. 小麦群体生长可视化系统的设计与实现,S512.1
  19. 江苏省小麦孢囊线虫的发生调查及其核糖体DNA-ITS序列分析,S435.121
  20. 豫、鄂、渝三省（市）小麦白粉菌群体遗传结构研究,S435.121
  21. 新疆小麦1Dx5基因的分离克隆及表达载体构建,S512.1

中图分类: > 农业科学 > 农作物 > 禾谷类作物 > 麦 > 小麦
© 2012 www.xueweilunwen.com