[发明专利]一种基于叶绿素荧光诱导动力学的茶树氮快速检测方法

权利要求书

1.一种基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，包括以下步骤：

S1.荧光诱导动力学曲线的测定：将茶树叶片置于暗适应叶夹，采用叶绿素荧光仪测定OJIP快速荧光诱导曲线；

S2.样品的预处理：将OJIP曲线对应的茶树叶片杀青并干燥至恒重，球磨叶片成粉末状；

S3.样品氮素测定：称取固定质量样品，利用元素分析仪进行植物氮素测定；

S4.偏最小二乘法作为线性回归模型代表：采用五点加权平滑法对原始光谱数据进行预处理，并利用SPSS软件计算光谱数据与氮素值的相关性，采用指数函数、一元线性函数、对数函数、多项式以及幂函数构建氮素含量估算模型，选取最优的函数模型作为氮素含量的一元线性回归模型；

S5.支持向量机作为非线性回归代表：构建一个输入层、一个输出层、五个隐含神经元、一个输出所构成的BP神经网络进行训练，迭代，得到BP神经网络模型，进行精度检验，然后对茶树叶片进行检测。

2.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S1中暗适应叶夹时间为25min以上。

3.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S1中荧光仪为荧光仪FluorPen。

4.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S2中球磨时间为1-3h。

5.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S3中天平为精确度为0.0001g的电子天平。

6.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S4中所述元素分析仪为元素分析仪vario MACRO cube。

7.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S5中迭代次数为800-1200，学习精度为0.01，训练目标为均方根误差小于0.001。

8.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S5中所述BP神经网络模型的计算公式如下：

其中，k为输入层单元数，m为输出层单元数，α为[1，10]之间的常数。

9.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，步骤S5中所述精度检验公示为：

式中，y’_i和y_i分别为实测值和由模型计算出的理论值，n为样本数。

10.根据权利要求1所述基于叶绿素荧光诱导动力学的茶树氮快速检测方法，其特征在于，具体包括以下步骤：

S1.荧光诱导动力学曲线的测定：将茶树叶片置于暗适应叶夹25min以上，采用叶绿素荧光仪FluorPen测定OJIP快速荧光诱导曲线；

S2.样品的预处理：将OJIP曲线对应的茶树叶片杀青并干燥至恒重，球磨叶片1-3h，形成粉末状；

S3.样品氮素测定：用精确度为0.0001g的电子天平称取固定质量样品，利用元素分析仪vario MACRO cube进行植物氮素测定；

S4.偏最小二乘法作为线性回归模型代表：采用五点加权平滑法对原始光谱数据进行预处理，并利用SPSS软件计算光谱数据与氮素值的相关性，采用指数函数、一元线性函数、对数函数、多项式以及幂函数构建氮素含量估算模型，选取最优的函数模型作为氮素含量的一元线性回归模型；

S5.支持向量机作为非线性回归代表：构建一个输入层、一个输出层、五个隐含神经元、一个输出所构成的BP神经网络进行训练，迭代，得到BP神经网络模型，进行精度检验，然后对茶树叶片进行检测；

所述BP神经网络模型的计算公式如下：

其中，k为输入层单元数，m为输出层单元数，α为[1，10]之间的常数；

所述精度检验公式为：

式中，y’_i和y_i分别为实测值和由模型计算出的理论值，n为样本数。