[发明专利]橡胶树叶片氮素含量的近红外光谱诊断方法

说明书

技术领域

本发明涉及近红外无损检测技术领域；具体地说，本发明涉及一种基于分数阶算法的橡胶树叶片氮素含量的近红外光谱诊断方法，其利用近红外光谱技术进行橡胶树叶片氮素含量的无损检测。

背景技术

橡胶树是海南省的重要经济作物，同时作为我国重要的战略物资天然橡胶的来源，其营养状况直接关系到天然橡胶的产量，产胶质量以及橡胶树的产胶年限等。因此，橡胶树营养水平的检测极其重要。氮素作为橡胶树最为重要的营养元素之一，氮素含量的多少，与橡胶树的生长以及天然橡胶的产量有着密切的关系。及时有效的掌握橡胶树的氮素含量，对于橡胶树的营养状况评估，变量施肥以及橡胶产量的估计有着重要的作用。

传统的橡胶树的氮素营养诊断方法主要经验判断法，这种主观评价方法受个人经验、情绪、疲劳程度等主观条件的影响，操作过程中误差较大，而且大多数停留在定性判别上，其主观性、准确性较差，这在很大程度上限制了我国橡胶产业的发展，在国际市场上缺乏竞争力。另外比较精确的方法是是基于叶片组织的实验室分析法。该分析方法对于橡胶叶片样本具有破坏性，并且实验室的分析方法需经历样本采集、烘干、研磨，称重和化学分析等阶段。这些过程都消耗大量的时间、人力和物力，并且还需要有害的化学药品以及专业的分析人员和实验设施。因此，传统的实验室分析方法并不能满足对于大量橡胶树营养水平的检测要求。光谱分析方法作为一种快速、高效的检测方法，是经验法和传统实验室分析方法的有效替代手段之一。光谱技术应用于作物氮素水平的诊断已经得到较为深入的研究，但已有研究大都集中于一年生作物以及部分果树，所得结果并不能直接适用于经济作物橡胶树。研究橡胶树氮素含量光谱诊断模型具有重要的意义。

整数阶一二阶微分是光谱数据预处理中最为常用的处理手段之一，同时，光谱微分技术也是光谱数据预处理中一种极具应用价值的分析方法。一阶微分对于消除诸如部分线性或接近线性的噪声光谱、背景等对于目标光谱的影响有较好的效果；与之对应的二阶微分对于消除基线漂移和背景噪声提高分析精度表现出色。分数阶微积分作为一个经典的问题已经有近300多年的历史。它的出现，将微积分从整数阶领域拓展到了非整数阶领域。由于非整数阶阶次的引入，使得分数阶微积分相比于传统的一二阶微分对于光谱特征具有更好的解释和提取能力。分数阶算法的引入，可便于提出更适用于橡胶树的叶片氮素含量的光谱诊断模型。

发明内容

本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种橡胶树叶片氮素含量的近红外光谱诊断方法，建立橡胶树氮素含量的光谱诊断模型，并将分数阶算法应用于到模型的建立过程中，考虑背景噪声和分数阶阶次不同对于模型精度的影响，以实现橡胶树叶片氮素含量的快速、准确和实时的无损检测；解决了现有橡胶树氮素诊断技术费时、费力需要复杂的实验室操作、环境污染以及成本高等缺陷。

根据本发明，提供了一种基于分数阶算法的橡胶树叶片氮素含量的近红外光谱诊断方法，其特征在于包括：

第一步骤：选取橡胶树叶片样品；

第二步骤：采集橡胶树叶片样品的近红外波段的光谱数据；

第三步骤：对橡胶树叶片样品进行预处理，随后测定预处理后的橡胶树叶片样品的氮素含量；

第四步骤：利用采集的橡胶树叶片样品的近红外波段的光谱数据获得分数阶光谱；

第五步骤：利用竞争性自适应重加权算法筛选分数阶光谱中的与测定的橡胶树叶片样品的氮素含量最为相关的波段所对应的光谱值作为自变量进行模型的建立；

第六步骤：利用建立的模型进行橡胶树叶片氮素值含量的预测。

优选地，模型的公式为：

y＝α₀+α₁λ₁+α₂λ₂++α_nλ_n

其中，y为橡胶树叶片氮素含量；λ₁～λ_n为经过竞争性自适应重加权算法所选择的波段对应的光谱值，n为竞争性自适应重加权算法所选择的特征波段的个数，α₀～α_n为经过偏最小二乘回归所训练得到的系数值。

优选地，分数阶光谱的计算公式为：

其中，x是波段值，v是分数阶阶次，h为求解的步长，这里令h＝1，t和a分别为积分的上下限。

优选地，从无病虫害、长势良好的成熟叶片中选取中间小叶作为橡胶树叶片样品。

优选地，橡胶树叶片样品随机选自田间环境。