闫明壮,王浩云,吴媛媛,曹雪莲,徐焕良

(南京农业大学信息科学技术学院,江苏 南京 210095)

叶绿素是植物进行光合作用不可或缺的光合色素和物质基础[1],同时叶绿素含量也是评价室内植物对苯污染的抗性能力的重要依据。研究证明,苯气体浓度越大,胁迫时间越长,植物叶片叶绿素含量下降越快[2]。近年来,以图像分析技术和高光谱成像技术为主的无损检测技术,被广泛应用到作物叶片叶绿素含量及分布的研究中。刘燕德等[3]使用遗传算法和连续投影算法对原始光谱数据进行特征波段的提取,采用偏最小二乘回归模型对脐橙叶片叶绿素含量及可视化分布进行研究。朱军伟等[4]采用纹理分析的空间灰度共生矩阵法寻找纹理各统计量与玉米叶片叶绿素含量的关系,通过建立的多元回归模型分析玉米不同生长期的叶绿素实际含量与模型预测值之间的相关性。

图像分析技术和高光谱成像技术在一定程度上提高了叶绿素无损检测的准确性,但单一使用光谱特征无法描述叶绿素整体的空间分布特征,而单一使用图像纹理特征无法准确反映植物内部叶绿素含量[5-6]。综合利用高光谱图像的光谱信息和图像信息,可以提高结果可靠性及准确性[7-8]。在高光谱成像技术应用中,开始出现将多特征融合用于作物品质的检测。于慧春等[9]将枸杞高光谱数据中的特征光谱与纹理数据组合后,建立枸杞内部多糖和总糖的预测模型,该模型在光谱特征方面,使用主成分分析方法对光谱特征进行提取,提取后的光谱特征中噪声信息过多,影响了基于融合特征模型的预测效果。……