高光谱成像仪无损检测黄瓜叶内叶绿素分布
发布时间:2023-04-10
浏览次数:1670
本检测应用了400-1000nm的高光谱成像仪 SC系列。光谱范围在400-1000nm,分光方式透射光栅,光谱分辨率优于2.5nm,像素尺寸5.86 µm,F数F/2.6。
本检测应用了400-1000nm的高光谱成像仪 SC系列。光谱范围在400-1000nm,分光方式透射光栅,光谱分辨率优于2.5nm,像素尺寸5.86 µm,F数F/2.6。

高光谱成像仪 SC系列
叶绿素是一种常见的有机化合物,因为它们自然存在于植物中,并赋予其特定的颜色。在体内,这些色素在光合作用中起着重要的作用,蔬菜的营养状况与光合色素的含量高度相关。光合色素率技术可以提高农场的经营效率,减少农场对环境的影响。在这个领域,这些都刺激着研究的积极性,以找到有效的方法。传统方法的色素分析需要通过提取光度法或高效液相色谱法,这样会破坏测量的叶片。因此,随着时间的推移,不允许测量单个叶片中色素含量的变化。另外,这种技术既耗时又昂贵,使得整体景观植被健康和生态系统的评价不切实际。此外,无论其来源是原生的还是提取的叶绿素都是脆弱的分子,易于修改,具有能够快速准确地识别和量化叶片的色素。本研究的目的是调查光谱反射率与叶绿素含量之间的关系,以发展基于高光谱成像的叶绿素在黄瓜叶片中分布的无损检测技术。采集并处理了450-850纳米范围内立方体黄瓜叶的高光谱图像数据。


从黄瓜叶样品中获得的立方体高光谱图像数据如图1所示(a)所示。原始反射图像采用平场校正(公式1),图1(b)位于红(670纳米)的三个波长,绿(525纳米)蓝(460nm)因此,类似的自然色出现在区域组合的光谱图像中。当波段上升时,图像的强度发生了变化。选择静脉叶(静脉)、叶(绿)绿叶肉面积、黄叶肉面积(黄色)三个区域,如图1所示(b)所示。三个区域的10x计算图10像素的平均反射光谱(d)三个领域的平均光谱发生了很大的变化。由于新鲜叶片中的化学成分分布在细胞和细胞器的组织中,光谱特征与叶片图像不一致。样品的选择区域变得非常重要,对预测模型的性能产生了深远的影响。,叶绿素的测的测定。平均光谱和平滑频谱如图1所示(c)所示。从图1(c)到图1(d)。反射光谱在850到128之间饱和,毛刺多。进一步处理450-900纳米范围内的波长,以避免低信噪比。代表单波段反射图像的黄瓜叶是从500到850纳米选定的8个波段,如图2所示。不同光谱区域之间的差异证明了高光谱图像的一般模式。其个叶片的图像质量从500到850纳米相当好。750和850叶片表面的叶静脉nm由于叶面上的黑斑,静脉与正常叶肉之间的光谱比较显得更加明显。
相关产品
-
高光谱数据降维和高光谱数据预测模型构建方法有哪些?
高光谱信息在采集的过程中存在光散射、检测物图像不规则以及随机噪声等不利因素,会使光谱曲线出现不平滑,信噪比较低等问题,所以在进行相关数据分析之前需要进行相应的处..
-
高光谱成像仪最常见的三种分光方式是哪三个?
对于高光谱成像仪而言,其分光系统是高光谱成像仪中的关键部分,直接影响着系统的分光性能、结构的复杂程度、重量和体积等。那么, 高光谱成像仪最常见的三种分光方式是哪..
-
影响无人机高光谱植被覆盖度估算精度的主要因素
近年来,无人机高光谱遥感技术凭借其高空间分辨率、高光谱分辨率、灵活机动等优势,逐渐成为植被覆盖度估算的重要手段。..
-
无人机高光谱在农作物病害监测中的应用优势
无人机高光谱遥感技术作为新兴的无损检测手段,通过搭载高光谱成像设备,能够快速获取农作物冠层的精细光谱信息,为病害的早期识别、定量分析与精准防控提供数据支撑。本文..













