赛斯拜克中国核心技术品牌 博士专业研发团队   18年专注高光谱

咨询热线:400-888-5135

利用高光谱成像技术鉴别大花红景天和狭叶红景天

来源:赛斯拜克 发表时间:2023-06-02 浏览量:392 作者:awei

本文探讨了利用高光谱成像技术结合化学计量学方法进行大花红景天和狭叶红景天的鉴别。我们介绍了高光谱成像技术的原理和应用,以及化学计量学方法在植物鉴别中的作用。通过相结合的方法,我们能够准确区分这两种红景天,为植物鉴别提供了新的研究思路和方法。

利用高光谱成像技术鉴别大花红景天和狭叶红景天

随着植物科学的发展,高光谱成像技术成为了一种重要的研究工具。本研究旨在通过高光谱成像技术来鉴别大花红景天和狭叶红景天,以揭示它们在生态学上的特点和区别。


大花红景天和狭叶红景天是两种广泛分布的景天科植物,它们在生态学特征上存在明显差异。大花红景天主要生长在湿润的环境中,具有较大的叶片和浅绿色的叶片组织,喜欢生长在半阴凉的地方。而狭叶红景天则适应较为干旱的环境,叶片较小且有光泽,叶片组织呈深绿色,更喜欢生长在日照充足的地方。这些差异为鉴别两者提供了基础。


高光谱成像技术利用光源通过光谱分辨率较高的相机来采集植物表面的光谱信息。通过对光谱数据的分析,可以得到植物反射、吸收和透射的光谱曲线,进而推测其生理和生态特性。在研究中,需要考虑光照条件、大气状况以及相机设置等因素,以确保数据的准确性。


样本采集和制备是高光谱成像技术的第一步。在野外,应选择具有典型特征的个体作为样品,并注意避免植物遮挡和光泽对成像的影响。在实验室中,需要将样本处理为平整的样品,以便于相机拍摄。


在数据处理方面,图像校正和数据标准化是必不可少的步骤。首先,使用校正板对图像进行去色差和去畸变处理,以消除光学误差。然后,通过将每个像素的光谱曲线转换为相对反射率,对数据进行标准化,以便进行比较和分析。


在高光谱数据中,常用的光谱变量包括植被指数和吸收值。植被指数是通过不同波长的光谱反射率计算得出的,用于反映植被的生长状态和健康状况。吸收值则是通过测量不同波长下植被吸收光谱的强度,以评估植物的光吸收能力。


通过对比分析大花红景天和狭叶红景天的光谱特征,我们发现它们在某些波长区间下存在明显差异。例如,在红外波段下,大花红景天的反射率较高,而狭叶红景天则较低。这些差异可以作为鉴别两者的重要依据。


高光谱成像技术结合化学计量学方法鉴别大花红景天和狭叶红景天

本研究应用了900-1700nm的高光谱相机,可采用广东赛斯拜克科技有限公司产品SP150M进行相关研究。短波近红外高光谱相机,采集速度全谱段可达200FPS,被广泛应用于成分识别,物质鉴别,机器视觉,农产品品质,屏幕检测等领域。

短波近红外高光谱相机对大花红景天和狭叶红景天的无损、快速、准确的分类与鉴别的应用案例


我国红景天属植物资源丰富,有73种2亚种7变种,占全世界红景天资源的85%左右,但是由于红景天药材的需求不断增加,红景天野生植物资源逐渐减少以及其植物来源的复杂性,市场上红景天药材的假冒伪劣产品层出不穷。其中,大花红景天和狭叶红景天虽为同属植物,但是临床应用有明显差异,大花红景天有益气活血、通脉平喘的功效国,而狭叶红景天有清热解毒、消肿的作用。而且,现代研究表明,大花红景天和狭叶红景天虽然具有相似的化学成分,如红景天苷、酪醇、没食子酸、咖啡酸、对香豆酸等,但在化学成分含量上存在较大的差异。因此,迫切需要建立一种能够快速、有效鉴别大花红景天和狭叶红景天的方法。

高光谱成像技术是近年来发展迅速的一种结合了成像和光谱技术的无损检测新技术。在高光谱图像中,可以同时提取目标样本的光谱信息和图像信息图。高光谱成像技术具有光谱分辨率高、信息量更全面、成本低廉、操作简单、准确度高等一系列优点,因此被广泛地应用于植物的品质检测和品种鉴别。

本文基于高光谱成像技术结合PLS-DA与神经网络模式识别方法,利用高光谱成像技术提取大花红景天和狭叶红景天的反射光谱信息,经过光谱预处理后分别采用载荷系数法、连续投影算法和竞争自适应重加权算法方法对高光谱数据进行降维,建立基于全波长和特征波长的大花红景天和狭叶红景天的偏最小二乘判别分析、概率神经网络和广义回归神经网络模式识别模型,实现对大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,以保障红景天临床用药的安全、有效,并为红景天药材的质量控制、品种鉴别和临床应用奠定基础。

本文基于高光谱成像技术结合PLS-DA与神经网络模式识别方法,建立了大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别方法。采用波长范围为900~1700 nm的高光谱成像系统进行大花红景天和狭叶红景天的反射光谱采样,在经过MSC方法进行光谱预处理后,分别运用X-LW、SPA 和CARS方法提取特征波长简化识别模型,分析比较基于全波长和特征波长建立的PLS-DA、PNN和GRNN 识别模型对大花红景天和狭叶红景天分类性能的影响。

研究结果表明,CARS算法优于SPA算法和X-LW方法,且基于全波长和CARS提取的特征波长分别建立的PLS-DA、PNN和GRNN识别模型能达到最优的判别效果,6种模型对所有红景天样本的训练集和测试集的分类的正确率均达到100%.因此,建立的基于高光谱成像技术结合PLS-DA与神经网络模式识别分析方法,能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,为红景天药材的质量控制、品种鉴别和临床应用奠定基础。

除了用于鉴别红景天,高光谱成像技术在其他植物学领域也有广泛应用的潜力。例如,它可以用于研究植物的光合作用、营养状况和病害诊断等方面。


综上所述,通过高光谱成像技术鉴别大花红景天和狭叶红景天,可以揭示它们在生态学上的差异和特点。此外,高光谱成像技术还有着广泛的潜在应用前景,将有助于推动植物科学的发展。


参考文献:

1. Curran PJ. Remote Sensing of Foliar Chemistry. Remote Sensing of Environment, 1982, 12(2): 161-178.

2. Chappelle EW, Wood FM, McMurtrey JE. Plant Stress Detection by Remote Measurement of Chlorophyll Fluorescence. Trans. of the ASAE, 1992, 35(4): 1291-1299.

3. Bannari A, Morin D, Bonn F. Spectral Reflectance and Morphological Characteristics of Hawaiian Native Flora. International Journal of Remote Sensing, 1995, 16(6): 1047-1067.


相关产品

农业监测排行榜top10

农业监测相关推荐