论文部分内容阅读
水分作为植物生命周期中最重要的因素之一,不仅影响植物生长发育,还对植物果实产量和品质起到关键作用。检测植物水分的传统方法为观测法和干燥法,观测法通过人眼判断叶片的新鲜程度来确定植物水分情形;干燥法利用干燥装置获取叶片前后质量差值计算叶片水分。前者只能较为粗糙的估计叶片含水率,后者检测结果最为准确,但破坏性强,资源消耗大。因此,实现对植物水分的快速、无损检测,不仅有利于指导植物灌溉,还具有十分重要的实际应用价值。本文采用介电谱对番茄叶片水分进行检测,通过测量不同含水率叶片在电磁场中的介电参数,建立与叶片含水率的内在联系,通过预测模型反演叶片水分。本文的主要研究内容和结论如下:(1)探究了介电谱检测叶片含水率的检测原理,将相对介电常数ε′和介质损耗因数ε″作为介电谱的表征参数,并将植物叶片视为电介质,用理想电容、电阻组成的等效电路表示,从而得出ε′和ε″的计算方式。(2)研究了频率、电压和含水率对叶片介电特性的影响,并确定了最佳测试电压为1.0V。在1.0V下,ε′和ε″都随着频率的增加而下降,且小于20kHz,下降趋势显著;在相同频率下,含水率越大的叶片对应的介电参数也越大。最终确定ε′、ε″及联合参数作为建模分析的输入变量,含水率为输出变量。(3)使用马氏距离法剔除了33个异常样本,经卷积平滑法(SG)、标准正态变量变换(SNV)和多元散射校正(MSC)预处理介电谱,建立的偏最小二乘回归(PLSR)模型表明预处理对预测效果未有显著提高。采用x-y共生距离法(SPXY)将样本集合理划分为校正集(200个)和预测集(67个),对应的校正集范围完全覆盖预测集。为了降低冗余信息等对建模的影响,提高模型精度,减少模型运算量,利用主成分分析(PCA)、连续投影算法(SPA)、迭代保留信息变量法(IRIV)和变量空间迭代收缩算法(VISSA)选取了不同的特征变量组合。(4)为了深入解析介电谱与含水率的内在联系,利用特征变量和全变量构建极限学习机(ELM)、广义回归神经网络(GRNN)和支持向量回归(SVR)模型来预测叶片含水率。结果表明,基于IRIV提取的17个特征变量建立的SVR模型(IRIV-SVR)具有最佳预测效果,对应的校正集决定系数R_C~2=0.9517,均方根误差RMSEC=0.0286,预测集决定系数R_P~2=0.8721,均方根误差RMSEP=0.0390,预测剩余偏差RPD=1.8923。(5)IRIV-SVR模型虽然在所有模型中取得较好预测效果,但该模型的预测精度只能给出含水率的大致情况,难以满足实际应用。分析得知,SVR参数(惩罚因子c、核函数参数g和不敏感损失系数ε)的确定对预测模型有很大影响。因此,引入灰狼优化算法(GWO)和果蝇优化算法(FOA)对SVR的参数进行智能寻优,并针对FOA的缺陷进行改进,提出改进果蝇优化算法(IFOA),最终建立优化后的含水率预测模型。建模结果显示,基于IFOA寻优SVR参数建立的IRIV-IFOA-SVR模型对含水率的预测效果最优,模型的R_C~2=0.9873,RMSEC=0.0102,R_P~2=0.9720,RMSEP=0.0186,RPD=3.9677。本文以番茄叶片为研究对象,探究介电谱检测叶片含水率的可行性。通过对介电谱数据处理,建立的IRIV-IFOA-SVR含水率预测模型具有优异的预测表现。表明利用介电谱检测番茄叶片含水率是有效可行的,这为其他植物水分检测提供了参考,同时为研制介电谱检测叶片水分的仪器提供了前期探索和理论研究。