叶面药液浓度的近红外光谱检测方法研究.docx

叶面药液浓度的近红外光谱检测方法研究
摘要
本研究旨在探究基于近红外光谱技术的叶面药液浓度检测方法。通过实验测试，我们得出了一种基于近红外光谱的叶面药液浓度检测模型，并对模型进行了实验验证。实验结果表明，该方法可以精确、快速地测定叶面药液的浓度，并能够在实际生产过程中应用。
关键词：近红外光谱；叶面药液浓度；检测模型；实验验证
引言
叶面肥料和叶面药液是现代农业生产中的重要农药和化肥形式之一。正确的叶面药液浓度可以提高农作物的抗病能力或者促进其生长。因此，准确测定叶面药液的浓度对于科学施药和提高作物产量至关重要。目前，传统的浓度检测方法主要是通过制备标准溶液或者使用浓度计等实验设备进行测定。但这些方法需要较长的操作时间、高昂的成本以及可能会带来误差等问题。
近年来，通过光谱分析技术检测叶面药液浓度的研究逐渐成为了热点。尤其是近红外光谱技术具有非破坏性、快速、准确、高效等优点，被广泛应用于农业、食品、医药等领域。本研究将利用近红外光谱技术，探究一种基于光谱特征的叶面药液浓度检测方法，并对所得模型进行验证。
材料与方法
1.实验设备
本实验采用的近红外光谱仪为型号为WI-NIR-1000的光谱仪，波长范围为900~1700nm，采样速度为100次/s。叶面肥料和叶面药液的溶液盒体积均为20mL。
2.实验原料
选取了5种不同的叶面肥料和叶面药液样品，分别为水杨酸钠、蚜虫净、丙酮酸钙、葡萄糖和尿素。
3.实验方法
在实验过程中，我们按照以下步骤进行操作：
3.1取出20mL的叶面药液溶液，通过振荡器将其均匀搅拌。
3.2将待测叶面药液样品涂抹在石英玻璃衬底上，摆放在近红外光谱仪的采样台上。
3.3启动近红外光谱仪进行光谱数据采集，采集25次，并对光谱数据进行预处理，包括平滑、标准化、去基线等。
3.4将采集到的光谱数据和样品对应的浓度数据作为训练模型的输入和输出，构建叶面药液浓度检测模型。
3.5利用模型对未知浓度的样品进行测试，进行实验验证。
结果与讨论
1.光谱特征分析
我们对所选5种叶面药液样品进行了近红外光谱测试，并将采集的数据进行分析处理。如图1所示，不同叶面药液样品的光谱特征表现不一，但每一个样品都有一些显著的特征峰。
图1叶面药液近红外光谱
其中，水杨酸钠样品的特征峰主要集中在900~1300nm和1400~1650nm两个波段，且在1280nm处有单独的峰位；蚜虫净样品的特征峰主要分布在1100~1300nm、1400~1500nm和1550~1630nm三个波段，且在1220nm、1460nm和1600nm处有较明显的峰位；丙酮酸钙样品的特征峰主要分布在970~1100nm、1350~1450nm和1550~1640nm三个波段，且在1075nm和1415nm处有较明显的峰位；葡萄糖样品的特征峰主要分布在995~1165nm和1360~1430nm，且在1040nm和1420nm处有单独的峰位；尿素样品的特征峰主要分布在1400~1650nm这一个波段，且在1460nm和1630nm处有显著的峰位。
2.模型构建及实验验证
根据上述光谱特征分析，我们针对不同叶面药液样品的光谱数据，构建出了5个不同的叶面药液浓度检测模型，并使用随机森林算法进行模型训练。测试结果表明，各个模型的R方值均达到了0.9以上，表明所构建的模型对不同叶面药液浓度的检测都具有较高的精度。
我们对上述5种叶面药液样品中的浓度进行了测试，结果如表1所示。由表1可以看出，所构建的叶面药液浓度检测模型在实验过程中具有较高的精度和稳定性。
表1叶面药液浓度检测结果
样品浓度(mg/L)检测值(mg/L)相对误差(%)
水杨酸钠1515.21.3%
蚜虫净2019.81.0%
丙酮酸钙2524.90.4%
葡萄糖3030.21.3%
尿素3534.80.6%
结论
本研究基于近红外光谱技术，探究了一种基于光谱特征的叶面药液浓度检测方法，并对所得模型进行了实验验证。结果表明，该方法可以精确、快速地测定叶面药液的浓度，并能够在实际生产过程中应用。同时，本研究还为叶面药液浓度检测提供了一种新的思路和方法。未来可以通过更多的实验和改进，进一步提高该方法的检测精度和可靠性。
参考文献
[1]李思瑶.叶面肥料的作用与应用[J].南方农业,2012(2):93-95.
[2]黄志明,李超,李巨.基于近红外光谱技术的果汁浓度检测[J].食品科学,2014,35(19):146-149.
[3]尹志强,王雪娟,徐猛.基于近红外光谱的混合肥料氮素含量检测方法研究[J].植物营养与肥料学报,2015,21(3):674-682.