【技术实现步骤摘要】
本专利技术实施例涉及农业检测，具体涉及一种植物叶片钾含量检测方法。
技术介绍
1、钾是植物生长的重要营养元素之一，对植物光合作用、水分吸收以及抗逆性等均有重要影响。
2、但是传统提取植物叶片钾含量方法为化学提取方法，在化学提取方法中，需要经过烘干、碾磨、消煮等多种的步骤，费时费力，并且，还需要破坏植物活体，难以满足对大面积植被区域钾含量快速诊断的需求。
3、为此，亟需提供一种植物叶片钾含量检测方法，以缩短检测步骤，提高检测的效率。
技术实现思路
1、有鉴于此，本专利技术实施例一种植物叶片钾含量检测方法，以缩短检测步骤，提高检测的效率。
2、为实现上述目的，第一方面，本专利技术实施例提供了一种植物叶片钾含量检测方法，包括：
3、采集植物叶片对应的光谱；
4、利用目标神经网络模型对植物叶片对应的光谱进行处理，预测植物叶片中的钾含量，其中，目标神经网络模型是基于多种植物叶片化学钾含量与其对应的光谱波段之间对应关系训练得到。
5、可选的，得到神经网络模型的步骤，包括：
6、基于光谱进行预处理，得到初始光谱，所述预处理为微分处理；
7、将所述初始光谱与化学钾含量进行相关性检验，得到基础光谱波段；
8、对所述基础光谱波段进行最小绝对值收敛和选择算子处理，得到目标光谱波段；
9、基于目标光谱波段和化学钾含量对神经网络模型进行训练，将训练后的神经网络模型确定为目标神经网络模型。<...
【技术保护点】
1.一种植物叶片钾含量检测方法，其特征在于，包括：
2.根据权利要求1所述的植物叶片钾含量检测方法，其特征在于，得到神经网络模型的步骤，包括：
3.根据权利要求2所述的植物叶片钾含量检测方法，其特征在于，得到神经网络模型的步骤中，基于目标光谱波段和化学钾含量对神经网络模型进行训练后，将训练后的神经网络模型确定为目标神经网络模型之前，还包括：
4.根据权利要求1或者2所述的植物叶片钾含量检测方法，其特征在于，所述目标神经网络模型为决定性系数大于0.6，且训练决定性系数和验证决定性系数的差值不大于0.1的神经网络模型。
5.根据权利要求2所述的植物叶片钾含量检测方法，其特征在于，所述化学钾含量通过火焰原子吸收分光光度法测量得到。
6.根据权利要求2所述的植物叶片钾含量检测方法，其特征在于，所述微分处理为0到3阶之间且间隔为0.1的微分处理。
7.根据权利要求2所述的植物叶片钾含量检测方法，其特征在于，所述相关性检验为皮尔逊相关性检验，所述基础光谱波段为皮尔逊相关性检验p值小于0.05的光谱波段。
8.
...【技术特征摘要】
1.一种植物叶片钾含量检测方法，其特征在于，包括：
2.根据权利要求1所述的植物叶片钾含量检测方法，其特征在于，得到神经网络模型的步骤，包括：
3.根据权利要求2所述的植物叶片钾含量检测方法，其特征在于，得到神经网络模型的步骤中，基于目标光谱波段和化学钾含量对神经网络模型进行训练后，将训练后的神经网络模型确定为目标神经网络模型之前，还包括：
4.根据权利要求1或者2所述的植物叶片钾含量检测方法，其特征在于，所述目标神经网络模型为决定性系数大于0.6，且训练决定性系数和验证决定性系数的差值不大于0.1的神经网络模型。
...【专利技术属性】
技术研发人员：何文，姚月锋，黄金君，宋志浩，冼康华，
申请(专利权)人：广西壮族自治区中国科学院广西植物研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。