偏振光谱在枣叶无损检测中的应用

徐嘉翊 ，罗华平 ※，索玉婷 ，陈 冲 ，李 伟，王长旭

（1.塔里木大学机械电气化工程学院，新疆阿拉尔843300；2.新疆维吾尔自治区普通高等学校现代农业工程重点实验室）

0 引言

中国红枣产量居世界首位，新疆红枣产量又居全国首位，但南疆红枣发展历史较短，农业机械化、信息化等技术落后，对枣树生长状况的研究大都停留在凭经验目测阶段，其人工劳动量大、分选精度不稳定，因此急需开发快速无损的检测技术，推动枣树生长状态检测向快速、自动化方向发展。

植物叶片作为植物重要的组织器官，其与光线之间的相互作用一直以来都受到农业遥感相关领域研究人员的关注。研究表面，植物叶片对光线的反射具有明显的方向性特征[1,2]。20 世纪80 年代开始，Vanderbilt 等对这种方向性特征进行了大量研究[3,4]，研究发现，入射光线经过叶片反射后可以分为两部分，一部分是由叶片内部的多次散射产生的，主要受叶片内部结构及色素、水分等含量影响；另一部分则来自于叶片表面的单次镜面反射，它与叶片表面结构及光照和观测的几何条件有关，这一部分在叶片的方向性反射中做出了主要贡献。与第一部分所表现出的无偏特性不同，叶片的类镜面反射具有明显的偏振特性[5-8]，再加上光谱无损检测技术可以快速、准确预测红枣的水分、糖分等参量，因此可以使用偏振光谱无损检测技术检测枣树叶片的水分、叶绿素等参量，进而预测枣树的生长状态。

1 材料与仪器

1.1 材料

枣叶为骏枣枣叶，采于塔里木大学水建院实验基地，株间距为1.5 m×1.5 m，树高为2 m，树龄5 年。

1.2 仪器设备

北京卓立汉光仪器有限公司生产的Image-λ-N7-N3 型增强型近红外高光谱相机；GaiaSorter 高光谱分选仪；汉普型色差仪；标准漫反射白板；SL502N 型高精度分析天平；烘箱等。

2 试验方法

2.1 户外光谱采集

光谱采集前，先测得温度18~22 ℃，相对湿度25%~30%，风速微风2 级，光谱仪仰角10°，光谱仪距采集样本40 cm，白板距样本20 cm，白板高度120 cm，白板与样本树在同一水平面上以提高定标精度。

对SpectraVIEW 软件进调节设置。先进行调焦，后调节参数：起点位置10cm，前进速度1.5cm/s，距离30cm，回退速度2 cm/s，调整高光谱相机镜头使FocusPreview panel 界面的图像出现明显尖头波峰，再进行采集。

光谱采集过程，对样本向阳方向扫描2 次，分为无偏振片条件（以下简称‘wp’）和 0°、45°、90°、135°偏振条件（以下简称‘0p’、‘45p’、‘90p’、‘135p’），边采集边储存。

光谱采集后，将扫描范围内的叶片（共60 片）按照从左到右、从上到下的顺序放入标有序号的保鲜袋中以保持水分，便于试验后续含水量的测量。

2.2 室内光谱采集

光谱采集前，把近红外高光谱相机安装到高光谱分选仪上，开机准备，开机前检查核实实验室电源、温度和湿度环境条件，当电压稳定才能开机。光谱采集过程，通过采集分析软件调整光谱仪聚焦。放置采集光谱样品，通过采集软件采集光谱信息并保存。

2.3 叶绿素测量

测量前先把所采集的叶片用干净的无尘布将叶片表面的尘土擦干净，并用0.5 cm 的黑色记号笔在叶片边缘处写上相对应的数字，并把60 个样品分成5 组，每组12 个样品进行测量。

测量时将色差仪检测头放在叶片的边缘，沿着叶片边缘转圈按10 次取平均值并按顺序记录叶绿素含量，避免在同一位置按10 次，这样会破坏叶片表面，从而影响接下来含水量的检测。

检测后按照顺序把叶片放入提前准备好的保鲜袋中保存，便于继续接下来的试验，且数据是一一对应的关系。

2.4 含水量的检测

按编号顺序称取叶片鲜重并记录，在恒温80 ℃的烘箱中进行12 h 的烘干处理，再分别测量叶片干重并记录。叶片质量采用高精度分析天平称取，精度为0.1mg。

3 数据处理

近红外光谱仪所获得的光谱为连续光谱，此光谱为原始吸收光谱。用SpectraVIEW 软件对光谱进行区域校正和黑白校正，再用ENVI 软件选取24 nm、116 nm、168 nm 三个波段进行彩色图像融合，再逐一选取感兴趣区域，感兴趣区域的面积形状以及位置要基本相同，并且去除包络线，提取感兴趣区域所对应的光谱数据。最后用TQ-Analyst 软件对光谱数据进行预处理，预处理方法使用一阶导和平滑；然后，用主成分回归法（PCR）和偏最小二乘法（PLS）对实验数据进行多元统计分析，如表1、2 所示。

3.1 校正标准偏差（SEC&RMSEC）

式中yi,actual为第i样品参考方法的测定值；yi,predicted为用所建模型对校正集中第i样品的预测值；n为校正集的样品数。且校正标准偏差越小，表面回归得越好。

3.2 预测标准偏差（SEP&RMSEP）

式中yi,actual为第i样品参考方法的测定值；yi,predicted为验证集预测过程中第i 样品的光谱方法预测值，m为验证集的样品数。且预测标准偏差越小，结果越准确。

3.3 相关系数（R）

式中yi,actual为第i样品参考方法的测定值；yi,predicted为校正集或者验证预测过程中第i样品的预测值；n为校正集的样品数。相关系数（R）近似决定系数（R2），且数值越接近1，回归或预测结果应越好。

表1 采用不同分析方法的校正和预测结果（含水率）

表2 采用不同分析方法的校正和预测结果（叶绿素）

3.4 含水量的分析

由于叶片鲜重远大于干重，为了突显含水率，故在计算含水率W时，分母采用样本的干重m2。南疆枣叶含水率计算如式（4）。

3.5 分析方法

在主成分回归（包括PLS 方法）中，确定参与回归的最佳主成分数（也称最佳主因子数）尤为重要。若选取的主因子太少，将会丢失原始光谱较多有用信息，拟合不充分，称欠拟合；若主因子太多，会将测量噪声过多地包括进来，会出现过度拟合现象，所建模型的预测误差会显著增大，称为过拟合。

图1 wp —含水率

图2 0p —含水率

图3 90p —含水率

图4 wp —叶绿素

含水率PLS 方法真实值与预测值对比以及误差分布如图1、2、3，其中○为校正集、＋为预测集。叶绿素PCR 方法真实值与预测值对比以及误差分布如图4、5、6。可以看出0p 时的拟合效果最好，离散程度也最小，因此户外无损检测时可以选用0p。

图5 0p —叶绿素

图6 90p —叶绿素

4 结果分析

4.1 叶绿素含量的影响

叶绿素通过影响叶片反射中的无偏部分影响其偏振度，叶绿素含量Cab 和近红外（NIR）波段镜反射方向上偏振度进行一元线性回归。对于红枣叶片，由于实验过程中未能获得叶绿素含量存在充分差异的样本，因此得到的回归分析并不准确。

4.2 偏振因素的影响

由红枣叶片光谱图的分析，得在0 度偏振的时候，相关系数最大。

4.3 TQ-Analyst 分析方法的影响

通过分别选用偏最小二乘法（PLS）和主成分回归分析法（PCR）的化学计量学方法建立红枣叶片校正模型，光谱数据预处理选择原始光谱、一阶导数光谱、平滑等，大量试验数据分析，发现在最简单的比尔定律、经典的最小二乘法（CLS）、逐步多元线性回归法（SMLR）、近红外定量最常用的偏最小二乘法（PLS）和主成分回归法（PCR）等定量校正算法中，分析含水率的最佳方法是偏最小二乘法（PLS），而分析叶绿素含量的最佳方法是主成分回归法（PCR）。

在选择光程类型的时候，由于红枣叶片尺寸、均匀性等的影响，进行的是NIR 漫反射光谱采集，因光程无法保持恒定，此时需要对红枣叶片光谱进行处理，以消除这些因素的干扰，便于红枣叶片建模时有用信息的提取。经过大量数据分析，最终发现用标准正则变换（SNV）来对红枣叶片光谱进行处理最适合。

光谱预处理在红枣叶片NIR 漫反射光谱分析中通常是有效和必要的。对红枣叶片光谱进行导数、滤噪（平滑）和基线校正等预处理时，发现一阶导数光谱的实用性最高，相关系数最好；二阶导数光谱的相关系数最差，由此可以判断对于红枣叶片NIR 漫反射光谱分析中最适合选用一阶导数光谱。

5 结论与展望

试验使用近红外偏振光谱技术对南疆枣叶的含水量和叶绿素含量进行分析，分别选择PLS 和PCR来建立含水量以及叶绿素含量校正模型。试验结果表明，分析含水率时PLS 更好一些，分析叶绿素含量时PCR 更好一些；偏振片0 度时预测效果比不加偏振片和加其他度数偏振片的效果更好；含水率模型有很好的精度和预测能力。

通过近红外偏振光谱技术可以快速准确地对南疆枣叶的水分进行预测，进而定量化描述枣树的生长状态，大大缩短了人工检测的时间和精度，为南疆枣树品质检测提供了新思路。