馬偉+王秀+李翠玲+張東彥

【摘要】利用衰減全反射法（ATR）對溫室生長的雜草葉片進(jìn)行活體檢測，利用紅外光譜（FTIR）的指紋特征屬性，構(gòu)建雜草樣本的紅外指紋圖譜，將其作為模式識別（SCMIA）提取的特征數(shù)據(jù)，以此建立聚類分析數(shù)學(xué)模型，運(yùn)用該模型對溫室生長的雜草活體樣本進(jìn)行種類模式識別。結(jié)果表明，采用這種方法建立的雜草葉片數(shù)學(xué)模型具有顯著的分類和鑒別能力，同時(shí)具備較高的準(zhǔn)確性、可靠性以及適用性，為機(jī)械系統(tǒng)識別傳感雜草的研究提供了一種新方法。

背景

紅外光譜法（FTIR）指的是用紅外光照射植物葉片后，紅外光譜的某波長區(qū)域會被此葉片成分內(nèi)的分子所吸收。被吸收的紅外光波長和被吸收的程度（稱為吸收度或者透過率）根據(jù)成分的不同而有所差異，基于這樣的規(guī)律，可以定性分析植物葉片內(nèi)物質(zhì)的官能團(tuán)并獲取化學(xué)結(jié)構(gòu)信息。進(jìn)一步根據(jù)Lambert-Beer定律公式可以得出吸光度A與濃度成一定比例，從而使用紅外光譜法進(jìn)行定量分析。衰減全反射法簡稱為ATR，利用光波入射時(shí)，入射面內(nèi)偏振的單色平面光波在密-疏媒質(zhì)的界上全反射時(shí)，表面共振激發(fā)后光強(qiáng)發(fā)生顯著衰減的原理，是紅外光譜常用的一種采樣方式，采樣時(shí)用到一種高折射率的晶體，該晶體是一種無損非接觸的快速紅外檢測技術(shù)。ATR-FTIR方法利用紅外光的透入深度與入射光的波長、樣品和晶體之間折射率的關(guān)系來獲得待測葉片內(nèi)物質(zhì)含量的光譜特性。模式識別（Soft Independent Modeling of ClassAnalogy，SCMIA）是一種基于類模型帶監(jiān)督的模式識別方法，其利用同一類葉片樣本具有相似的特征，在一定的空間內(nèi)，屬于同一類的樣本就會聚集在一定的空間區(qū)域內(nèi)，不同的樣本就會在空間內(nèi)顯著的分開并具有明顯的邊界[1]。因此可利用因子分析法針對隨機(jī)選擇的80%樣本建立訓(xùn)練集中每一種雜草的樣本，從而建立聚類分析模型，然后利用剩余的20%樣本計(jì)算這些樣本到模型的SCMIA距離，判別該樣本屬于哪一種雜草。

材料和方法

首先采集不同雜草活體葉片的ATR譜圖，通過分析不同雜草葉片紅外譜圖中的脂類特征吸收峰和多糖類成分吸收峰，利用不同葉片里含有多糖成分的不同來區(qū)別。作為補(bǔ)充手段可以采用雜草葉片含水量顯著差異的區(qū)別利用水特征吸收峰來進(jìn)行甄別。然后處理光譜數(shù)據(jù)，預(yù)先對原始光譜數(shù)據(jù)進(jìn)行多元散射校正（MSC）和平滑處理，消除其采樣的誤差[2]，最后利用前幾個(gè)主成分建立識別分類圖。為了使得識別的光譜數(shù)據(jù)計(jì)算量圖能顯著減小，通過主成分載荷圖曲線篩選幾組特征光譜作為變量進(jìn)行聚類識別，這樣提高運(yùn)算速度后可以使得變量作業(yè)機(jī)械系統(tǒng)能夠利用模型進(jìn)行在線識別（圖1）。

結(jié)語

通過光譜手段對雜草進(jìn)行鑒別具有快速、準(zhǔn)確、非接觸的優(yōu)勢，其成本低，實(shí)時(shí)性好，非常適合變量作業(yè)機(jī)械傳感技術(shù)采用，是一種有潛力的可行方法。通過試驗(yàn)初步效果看，溫室內(nèi)雜草相對大田而言測量條件比較理想，影響因素較少，因此可以采用幾個(gè)較窄的特征波長帶對雜草種類進(jìn)行甄別。需要注意的是，當(dāng)作為變量機(jī)械系統(tǒng)的傳感器使用時(shí)，就面臨在線動態(tài)識別的問題，光照、水分、土壤、病蟲害等因素也需要綜合考慮。

另一方面，溫室雜草識別的后續(xù)應(yīng)用除了獲得溫室土壤的草害信息外，還包括噴藥除草或物理方法鏟除雜草（圖2）。溫室中雜草的控制如不適合噴灑除草劑，也可以用除草鏟去除雜草，通過自動控制除草鏟的升降來定點(diǎn)清除雜草。

總體而言，雜草的防控采用光譜手段的優(yōu)勢很明顯，但外界因素對光譜識別精度的影響也不能忽視，揚(yáng)長避短，面向?qū)嶋H問題，這一領(lǐng)域還有很大的發(fā)展空間。

參考文獻(xiàn)

[1] 吳迪，黃凌霞，何勇，等.作物和雜草葉片的可見-近紅外反射 光譜特性[J].光學(xué)學(xué)報(bào)，2008，28（8）：1618-1622.

[2] 朱登勝，潘家志，何勇，等.基于光譜和神經(jīng)網(wǎng)絡(luò)模型的作物 和雜草識別方法研究[J].光譜學(xué)與光譜分析，2008，28（5）： 1102-1106.