萊森光學(xué)：基于高光譜深度特征的油菜葉片鋅含量檢測(cè)

來源：發(fā)布時(shí)間：2025-02-26

基于高光譜深度特征的油菜葉片鋅含量檢測(cè)

可見光-近紅外高光譜成像技術(shù)是一種前沿的農(nóng)作物信息檢測(cè)技術(shù)，集光譜信息和圖像信息于一體，能夠?qū)崿F(xiàn)農(nóng)作物信息的無損檢測(cè)。目前，該技術(shù)在重金屬脅迫下作物信息分析方面已取得一定進(jìn)展。

本文采用高光譜圖像無損檢測(cè)技術(shù)，結(jié)合化學(xué)計(jì)量學(xué)方法和深度遷移學(xué)習(xí)方法，針對(duì)無硅環(huán)境和有硅環(huán)境中油菜葉片重金屬鋅含量開展定量檢測(cè)研究，以期論證基于高光譜圖像無損檢測(cè)技術(shù)實(shí)現(xiàn)無硅環(huán)境和有硅環(huán)境中油菜葉片鋅含量測(cè)定的可行性和利用深度遷移學(xué)習(xí)模型提高無硅環(huán)境和有硅環(huán)境中油菜葉片鋅含量檢測(cè)精度的有效性。

8efd1bedfd5f3d36acd7e8cfeb86de29

01工作原理

試驗(yàn)品種為秦油10號(hào)油菜，采用珍珠巖袋培方式進(jìn)行油菜樣本培育。油菜葉片樣本采集是在脅迫試劑澆灌完成7d后進(jìn)行，油菜葉片樣本采集完成后做好標(biāo)簽，立刻送往實(shí)驗(yàn)室進(jìn)行樣本高光譜圖像信息采集。

高光譜數(shù)據(jù)采集過程如圖1所示，其主要步驟如下：首先，通過對(duì)比背景和樣本區(qū)域的光譜，得到兩個(gè)明顯不同的光譜波段（543.16 nm和673.25 nm），并利用兩者之間的比值變換得到比值圖像；其次，利用閾值分割法對(duì)比值圖像進(jìn)行處理，獲得二值化掩模圖像，**小閾值設(shè)置為1.5。***，將二值化掩模圖像應(yīng)用在歸一化處理后的油菜葉片的高光譜圖像上，得到掩模后油菜葉片高光譜圖像信息。通過計(jì)算得到所有像元的平均光譜信息，并將其作為輸入進(jìn)行進(jìn)一步處理。

圖1高光譜數(shù)據(jù)采集過程

高光譜圖像信息采集完成后，采用去離子水對(duì)油菜葉片進(jìn)行3次清洗。將油菜葉片樣本在120 ℃干燥溫度下干燥至恒量后研磨成粉末，每個(gè)油菜葉片樣本粉末稱取量為0.01 g用于火焰原子吸收光譜法測(cè)定Zn含量。***應(yīng)用算法對(duì)光譜信息進(jìn)行處理，提取比較好預(yù)處理后光譜數(shù)據(jù)的深度特征。

02實(shí)驗(yàn)結(jié)果

利用T-SAE模型（雙模型遷移堆疊自編碼器）對(duì)源域中已構(gòu)建好的無硅環(huán)境中深度網(wǎng)絡(luò)關(guān)系模型為SAE Model 1和有硅環(huán)境中的深度網(wǎng)絡(luò)關(guān)系模型為SAE Model 2進(jìn)行深度特征學(xué)習(xí)遷移，完成TSAE Model 1模型構(gòu)建。其中，無硅環(huán)境中不同Zn濃度預(yù)測(cè)的比較好預(yù)訓(xùn)練學(xué)習(xí)網(wǎng)絡(luò)模型尺度為618-481，有硅環(huán)境中不同Zn濃度預(yù)測(cè)的比較好預(yù)訓(xùn)練學(xué)習(xí)網(wǎng)絡(luò)模型尺度為618-531，則T-SAE模型的初始遷移網(wǎng)絡(luò)模型尺度為1236-1012。基于T-SAE提取的深度特征的SVR模型結(jié)果如表1所示。由表1可知，對(duì)于無硅環(huán)境和有硅環(huán)境中的油菜葉片樣本，所建立的SNV-T-SAE-SVR模型對(duì)Zn含量預(yù)測(cè)性能比較好，預(yù)測(cè)集的Rp2、RMSEP和RPD分別為0.8810、0.02748 mg/kg和2.966，比較好模型尺度為1236-1012-812-571。從結(jié)果可以看出，深度遷移學(xué)習(xí)模型能顯著提高有硅環(huán)境和無硅環(huán)境中油菜葉片Zn含量的檢測(cè)，這一研究結(jié)果與深度遷移學(xué)習(xí)模型在油菜植株中重金屬鎘含量檢測(cè)和硅作用下油菜葉片Pb含量檢測(cè)中應(yīng)用的結(jié)果相一致。深度遷移學(xué)習(xí)算法能夠共享源域（單一無硅環(huán)境或有硅環(huán)境下重金屬Zn檢測(cè)的深度學(xué)習(xí)SAE模型）淺層特征，在有監(jiān)督學(xué)習(xí)方式下對(duì)深層網(wǎng)絡(luò)參數(shù)進(jìn)行微調(diào)，搭建基于深度學(xué)習(xí)和遷移學(xué)習(xí)的目標(biāo)域（有硅和無硅環(huán)境中重金屬Zn檢測(cè)）學(xué)習(xí)框架，提高硅作用下油菜葉片重金屬Zn檢測(cè)模型的精度和泛化能力。

表1基于T-SAE提取的深度特征的SVR模型結(jié)果

03實(shí)驗(yàn)結(jié)論

在本研究中，深度遷移學(xué)習(xí)算法遷移堆疊自編碼器T-SAE結(jié)合Vis-NIR高光譜成像技術(shù)成功地實(shí)現(xiàn)了無硅環(huán)境和有硅環(huán)境中油菜葉片鋅含量的較高精度檢測(cè)，所建立的支持向量機(jī)回歸SVR模型對(duì)無硅環(huán)境和有硅環(huán)境中的油菜葉片Zn含量預(yù)測(cè)性能較佳，該模型預(yù)測(cè)集的決定系數(shù)Rp2和均方根誤差RMSEP分別為0.8394和0.03635 mg/kg。本文所采用的深度遷移學(xué)習(xí)模型為無硅環(huán)境和有硅環(huán)境中油菜葉片鋅含量無損檢測(cè)提供了新思路，為更好地監(jiān)測(cè)農(nóng)作物逆境脅迫和修復(fù)農(nóng)業(yè)土壤重金屬提供了強(qiáng)有力的技術(shù)支持。

推薦：

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精細(xì)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的***產(chǎn)品，主要優(yōu)勢(shì)具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。