为了实现油菜叶片中叶绿素含量的快速无损检测, 开发了手持式多光谱成像系统用于采集油菜叶片在460, 520, 660, 740, 840和940 nm 六个波段的光谱图像。 将一台能够采集可见光/近红外(380~1 023 nm)512个波段光谱图像但是价格高昂且体积大的室内高光谱成像系统作为参考仪器, 将手持式多光谱成像系统作为目标仪器后, 采用伪逆法(pseudo-inverse method)求得高光谱成像系统和多光谱成像系统两台仪器之间的转换矩阵F, 从而实现6个波段的多光谱图像向512个波段的高光谱图像的重构, 提高了手持式设备的光谱分辨率。 运用偏最小二乘回归算法(PLSR)建立了重构的光谱与油菜叶片的叶绿素含量之间的关系模型。 结果表明, 重构的可见光范围内的光谱反射率与叶绿素浓度之间具有很强的相关性, PLSR回归模型建模集的决定系数$R_c^2$为0.82, 建模集均方根误差RMESC为1.98, 预测集的决定系数$R_p^2$为0.78, 预测集均方根误差RMESP为1.50, RPD为2.14。 虽然应用本文开发的手持式成像系统结合PLSR模型实现油菜叶绿素含量快速无损预测的精度低于基于室内高光谱成像系统获得的高光谱图像建立的PLSR模型($R_c^2$, RMESC, $R_p^2$, RMESP和RPD分别为0.90, 1.41, 0.82, 1.36和2.37), 但是明显优于基于原始多光谱成像系统4个波段(460, 520, 660和740 nm)反射率建立的PLSR模型得到的结果($R_c^2$, RMESC, $R_p^2$, RMESP和RPD分别为0.78, 2.06, 0.72, 1.85和1.88)。 表明光谱重构技术可提高多光谱成像预测油菜叶绿素含量的精度, 并且与室内高光谱成像系统相比, 开发的手持式设备具有体积小、 成本低廉和操作简便等优点, 可为田间油菜叶片的生理状态和养分检测及可视化表达提供技术支持。

高光谱成像技术可以无损检测植物不同尺度的理化信息, 现有研究往往以分析高光谱图像的平均光谱为主, 忽略了其空间维度的信息。 以模式植物拟南芥为研究对象, 探究高光谱成像不同扫描速度引起的图像空间分辨率差异对植物冠层含水率测量的影响, 为高光谱成像在线快速检测植物冠层含水率提供优化方案。 首先利用室内在线高光谱成像系统分别在20, 30和40 mm·s^-1三种扫描速度下采集了拟南芥冠层高光谱图像, 并提取拟南芥冠层平均反射光谱。 其次, 利用偏最小二乘算法(PLSR)建立了拟南芥冠层含水率与平均反射光谱的定量分析模型, 通过决定系数(R²)、 均方根误差(RMSE)、 相对分析误差(RPD)对模型进行评估。 比较基于原始光谱与多元散射校正算法(MSC)、 Savitsky-Golay平滑算法等预处理光谱建立的PLSR模型, 选取最佳光谱预处理方法用于后续的数据处理。 最后, 利用连续投影算法(SPA)分析比较基于最优特征波长与全波长的模型预测准确度, 探明高光谱图像扫描速度对拟南芥冠层含水率预测的影响规律。 研究结果表明, 当扫描速度从20 mm·s^-1提升到30 mm·s^-1时, 基于MSC预处理的全波段PLSR模型预测拟南芥冠层含水率决定系数降低0.88%, 小于1%; 当扫描速度从20 mm·s^-1提升到40 mm·s^-1时, 拟南芥冠层含水率决定系数降低2.3%。 说明在适当提高扫描速度的同时, 能够保证植物冠层的高含水率预测准确度。 改变高光谱扫描速度可以更有效地利用高光谱图像空间维度有效信息, 扫描速度适当增大后, 高光谱图像的空间维度信息改变, 提高实际生产应用环节的图像采集效率, 减少数据处理时间。