[发明专利]一种油菜水分胁迫的无损检测方法

权利要求书

1.一种油菜水分胁迫的无损检测方法，其特征在于：按照下述步骤进行：

(1)多特征信息采集；

(2)多特征分类提取；

(3)特征参数的误差修正；

(4)主成分分析；

(5)多特征模型的建立；

(6)利用多特征模型检测油菜含水率并判断是否发生水分胁迫。

2.根据权利要求1所述的一种油菜水分胁迫的无损检测方法，其特征在于：步骤(1)所述的多特征信息采集是指利用多光谱成像仪、光谱仪和红外热成像仪，采集油菜冠层的可见光-近红外多光谱图像、反射光谱和冠层温度分布热成像信息；利用光照、温湿度传感器检测油菜冠层光强和环境温湿度信息。

3.根据权利要求1所述的一种油菜水分胁迫的无损检测方法，其特征在于：步骤(2)所述的多特征分类提取是指①利用图像融合运算，提取多光谱图像的均值、归一化比值特征和分量均值特征；②利用分段逐步回归的方法提取油菜含水率的反射光谱特征波长；③提取冠层的红外热成像温度分布信息和环境温湿度信息，并求得冠气温差和大气饱和水汽压，建立冠气温差模型，进而得到油菜的水分胁迫指数特征。

4.根据权利要求1所述的一种油菜水分胁迫的无损检测方法，其特征在于：步骤(3)所述的特征参数的误差修正是指利用冠层光强修正油菜冠层光谱反射率特征参数。

5.根据权利要求1所述的一种油菜水分胁迫的无损检测方法，其特征在于：步骤(4)所述的主成分分析是指采用主成分分析法，将油菜冠层多光谱图像、反射光谱和冠层温度分布热成像等多特征数据作为输入进行主成分分析，提取最优变量作为BP神经网络的输入层参数，即作为油菜含水率多特征模型的输入变量。

6.根据权利要求1所述的一种油菜水分胁迫的无损检测方法，其特征在于：步骤(5)所述的多特征模型的建立是指利用三层BP神经网络建立油菜含水率的多特征检测模型。按照以下步骤进行①将主成分分析的输出变量作为BP神经网络的输入；②通过对不同隐含层单元数BP网络模型的平均绝对误差和相关系数分析得到隐含层的单元数；③选择网络的输入节点数为6；采用单隐含层的3层网络结构，隐含层单元数为10；训练的学习速率为0.47，学习误差为0.01，最大训练次数为2000次对样本进行训练，建立油菜含水率多特征模型；④利用样本采集时同时获取的36个样本的数据，对油菜含水率多特征模型进行验证。