[发明专利]一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法

说明书

本发明公开了，一种基于小波变换‑偏最小二乘支持向量机回归(WT‑LSSVR)的叶片镉含量可见光‑近红外光谱(Vis‑NIR)特征建模方法，对不同浓度重金属镉胁迫下番茄叶片的可见光‑近红外光谱(Vis‑NIR)进行有效的光谱敏感波段数据提取，以及采用原子吸收光谱法测定叶片中重金属镉(Cd)含量，获得叶片重金属镉含量标签集合，并利用提取得到的敏感特征波长采用WT‑LSSVR特征建模算法，完成叶片镉含量Vis‑NIR光谱特征建模，具有检测速度快，镉含量预测精度高，镉含量预测效率高，对叶片不造成损坏等优点，可实现同一品种番不同镉残留含量的定量检测，以及未知叶片镉残留含量预测。

技术领域

本发明属于植物检测领域，,尤其涉及一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法。

背景技术

绿色蔬菜是世界上消费最丰富的作物之一，含有丰富的抗氧化剂，如维生素C、维生素E、多酚和类胡萝卜素等。相关的试验研究表明，维生素C在人体健康中起着重要作用，包括提升人体免疫能力和降低阿尔茨海默病的发病率。此外，经常食用绿色蔬菜将提升人体对于包括癌症、心血管和脑血管等疾病的抵抗力。正常条件下，作物的生长与土壤环境密切相关。重金属镉(Cd)污染胁迫是土壤种植危害中较大的一个农业问题，在作物相关信息检测中得到了深入研究。虽然重金属镉(Cd)不是作物生长的必需元素，但其容易在作物体内蓄积，对作物构成潜在危害。此外，镉(Cd)通过食物链进入人体后，很难被人体排出体外而易于蓄积于人体的肝、肾组织中，使得肾脏吸收功能不全，轻则恶心呕吐、全身乏力，重则引起骨质酥松、骨骼病变，诱发骨癌以及心血管疾病等。因此，在不同镉胁迫下叶片生长过程中重金属含量的检测是十分必要的。

高光谱成图像技术是一种新兴的平台技术，它将传统的光谱学和成像技术结合起来，从而实现从检测样品中获得光谱和空间信息。不同镉浓度胁迫下，将产生叶片的生长抑制作用，叶绿素含量下降等影响。可见光-近红外高光谱图像技术能有效的反映了作物叶片内部色素和细胞结构的变化。为此，可见光-近红外高光谱成像技术可用于叶片中镉的检测。由于高光谱图像的噪声干扰，在分析高光谱图像数据时需要适当的去噪算法。此外，为了更方便地找到光谱值与预测值之间的关系，需要找到一种合适的特征选择和定量建模方法。

小波分析是一种变分辨率的时频分析方法。在分析低频信号时，其时间窗很大；而分析高频信号时，其时间窗较小。这恰恰符合实际问题中高频信号持续时间短，低频信号持续时间长的自然规律。为此，小波变换被广泛应用于信号处理、图像处理、模式识别以及数据压缩等领域。小波变换分析光谱时，其能够通过一个较强的光谱振荡来确定不同位置的光谱区域特征。小波多尺度变换分解所产生的高频细节部分能有效的反应物质的敏感波段，而低频逼近部分可以平滑由局部振荡所产生的噪声。小波变换分析本身不能够实现对原始信号的特征提取。通常情况下，小波变换分析使用特征提取策略，来实现光谱特征选择。

目前，小波变换算法在光谱信息处理研究主要集中在光谱数据敏感波段选取方面。比如：中国发明专利申请号为CN 201410744881.8、名为“基于小波变换的近红外光谱有用信息分辨方法”中指出了一种基于小波变换的近红外光谱有用信息分辨方法，利用UVA-PLS方法对信号进行选择，构建预测模型。中国发明专利申请号为CN 201510206549.0、名为“基于3-D小波变换和稀疏张量的高光谱图像特征抽取方法”中指出了一种基于3-D小波变换和稀疏张量的高光谱图像特征抽取方法，通过稀疏张量判别方法实现特征稀疏化。但是采用上述两个发明专利算法存在未进行深层次算法嵌合，并且所建立的模型随机性较大等问题。

发明内容

本发明为了克服现有技术的不足与缺陷，提出了一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法，目的在于提供一种检测速度快、精度高、对作物叶片不会造成破坏的一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法。

本发明解决其技术问题所采用的技术方案是：