基于深度学习的甘蓝叶片超氧化物歧化酶活性模型构建

作     者：马思艳 马玲 马燕 王静 张祎洋 吴龙国 MA Si-yan;MA Ling;MA Yan

作者机构：宁夏大学葡萄酒与园艺学院宁夏银川750021 宁夏现代设施园艺工程技术研究中心宁夏银川750021 

出 版 物：《安徽农业科学》 (Journal of Anhui Agricultural Sciences)

年 卷 期：2025年第53卷第1期

页      面：229-235页

学科分类：09[农学] 

基　　金：国家重点研发计划项目子课题专项“集约化育苗系列机械优化”(2021YFD1600302-3) 

主　　题：高光谱成像 深度学习 SOD活性 无损检测 

摘      要：超氧化物歧化酶(SOD)是判断作物受胁迫程度的关键指标,可以用来衡量植物生长状况,同时也在植物逆境胁迫研究中具有重要意义。为了实现甘蓝叶片SOD活性的快速无损检测,提出了一种利用高光谱成像技术结合深度学习的方法来对甘蓝叶片进行检测。试验共采集了200片甘蓝叶片在不同生长发育时期的光谱信息,通过7种预处理方法对原始光谱进行优化,最后选用高斯滤波方法为SOD活性的预处理方法。采用连续投影算法、无信息变量消除算法、遗传偏最小二乘算法、竞争自适应重加权采样算法和区间变量迭代空间收缩分析算法提取特征波长,建立偏最小二乘回归模型。基于优选的特征波长建立PLSR、主成分回归、多元线性回归、最小二乘支持向量机和深度学习模型。结果表明,CARS算法提取的17个最佳波长效果较好,最优预测模型CNN的相关系数R c和R p值分别为0.9098和0.8235,均方根误差RMSEC和RMSEP分别为2.0382和3.6492。该研究为今后盐胁迫下植株长势在线无损监测提供技术支撑,具有良好的发展前景。