基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106290171A(43)申请公布日2017.01.04(21)申请号201610611933.3(22)申请日2016.07.27(71)申请人内蒙古大学地址010021内蒙古自治区呼和浩特市赛罕区大学西路235号内蒙古大学(72)发明人张志斌赵晨郭栋(74)专利代理机构北京金智普华知识产权代理有限公司11401代理人杨采良(51)Int.Cl.G01N21/25(2006.01)权利要求书1页说明书8页附图8页(54)发明名称基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法(57)摘要本发明公开了一种基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法，建立了多光谱信息与玉米叶片叶绿素含量的关系模型，对玉米叶片叶绿素含量进行了预测，计算玉米叶片叶绿素含量的分布图，并进行伪彩色处理，分别分析了叶绿素沿叶片生长长度和宽度方向上的分布规律，证明在苗期玉米叶片叶绿素含量从叶基至叶尖逐渐增大；穗期叶绿素含量在长度方向较平均；在花粒期叶绿素含量在叶片上部有一个明显的峰值，叶尖叶绿素含量较低；宽度方向上，玉米叶片叶绿素含量基本对称；对玉米叶片轮廓进行了曲线回归逼近，结果表明，玉米叶片轮廓符合二次曲线，可用二次方程表达玉米叶型。CN106290171ACN106290171A权利要求书1/1页1.一种基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法，其特征在于，所述基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法利用多光谱照相机拍摄玉米叶片多光谱图像，获取玉米叶片光谱信息；用叶绿素计测量样本点叶绿素值；基于支持向量机对玉米的生长时期进行分类预测；建立分时期的光谱与叶绿素含量间关系模型，利用光谱与叶绿素含量关系模型对叶绿素含量进行预测，三个时期的预测相关系数分别为0.8224、0.7868、0.8092；计算在整片玉米叶片上叶绿素的分布情况，并寻找玉米叶片沿生长长度和宽度方向上的叶绿素分布规律。2.如权利要求1所述的基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法，其特征在于，所述基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法包括：步骤一、利用多光谱照相机拍摄玉米叶片多光谱图像，获取玉米叶片光谱信息；用叶绿素计测量样本点叶绿素值；步骤二、基于支持向量机对玉米的生长时期进行精确分类，建立分时期的光谱与叶绿素含量间关系模型；步骤三、利用光谱与叶绿素含量关系模型对叶绿素含量进行预测，计算在整片玉米叶片上叶绿素的分布情况；步骤四、利用光谱与叶绿素含量间关系模型计算玉米叶片叶绿素含量的分布图，并对玉米叶片叶绿素含量的分布图进行伪彩色处理，分析玉米叶片沿叶片生长长度和宽度方向上的叶绿素分布规律；步骤五、对玉米叶片轮廓进行曲线拟合和叶形的数学表达。3.如权利要求2所述基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法，其特征在于，对苗期、穗期、花粒期采用二次回归方程对叶绿素含量进行预测，苗期的经验回归方程为：Y＝50.2889+0.5119X4-0.5099X8+0.0010X1·X3-0.0049X1·X4+0.0030X7·X8+220.0022X1-0.0018X7穗期的经验回归方程为：Y＝29.6786+0.4534X1-0.5209X2+0.4108X3+0.0088X2·X3-0.0112X3·X5+0.0075X3·X6+0.0025X4·X8花粒期的经验回归方程为：2Y＝-8.4855+0.5547X6-0.0048X3·X4+0.0016X4·X8+0.0053X3；式中，叶绿素计采集的叶绿素值为Y，八个光谱频段的光谱信息为X1，X2，X3，……X8。4.如权利要求2所述基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法，其特征在于，苗期玉米叶片叶绿素含量从叶基至叶尖逐渐增大，穗期叶绿素含量在长度方向平均分布，花粒期叶绿素含量在叶片上部有最高值，叶尖叶绿素含量较低；宽度方向上，玉米叶片叶绿素含量对称分布。5.如权利要求2所述基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法，其特征在于，采用一元二次曲线方程作为玉米叶形的数学表达：y＝ax2+bx+c；x表示玉米叶片长度方向，y表示玉米叶片相应长度处的宽度值。2CN106290171A说明书1/8页基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法技术领域[0001]本发明属于农业生产领域，尤其涉及一种基于SVM和回归分析的玉米叶片叶绿素含量及表型参数测定方法。背景技术[0002]叶绿素是植物进行光合作用的重要色素，对植物的生长有不可替代的作用。叶绿素的含量与植物生物量、作物产量有很高的相关性，可通过叶绿素含量检测作物生