基于高光谱的猕猴桃叶片氮磷钾元素快速检测方法研究

来源：中国农机化学报杂志2026年第4期北京时间：

作者：霍迎秋, 赵士超, 凌晨东, 张晨, 刘景玲

单位：1. 西北农林科技大学信息工程学院，陕西杨凌，712100；2. 西北农林科技大学生命科学学院，陕西杨凌，712100

摘要：猕猴桃树极易患缺素症，影响树体健康和果实产量。为快速检测猕猴桃树的氮磷钾元素含量，监测树体健康状况，以猕猴桃树冠层叶片为研究对象，分别于猕猴桃生长的主要阶段采集110片猕猴桃叶片，使用高光谱成像仪采集每个样本光谱范围为865.11~1 715.03 nm的高光谱图像，并采用化学方法测得叶片的氮磷钾等元素的含量，构建冠层叶片高光谱数据集。分别采用导数算法（F—D、S—D）、多元散射校正（MSC）以及标准正态变量变换（SNV）对光谱数据进行预处理，采用主成分分析（PCA）与竞争性自适应重加权算法（CARS）优选特征波段，结合支持向量机回归（SVR）、偏最小二乘回归（PLSR）、随机森林回归（RFR）建立氮磷钾元素的检测模型。试验结果表明：氮元素的最优检测模型为RFR模型，决定系数Rp2、均方根误差RMSEP分别为0.8622、0.1796；磷元素的最优检测模型为RFR模型，Rp2、RMSEP分别为0.9009、0.3134；钾元素的最优检测模型为PLSR模型，Rp2、RMSEP分别为0.8521、0.3895。因此，基于高光谱成像结合机器学习构建模型，能够快速检测猕猴桃叶片氮磷钾元素含量，分析树体健康状况，为后续果园的智慧化管理提供决策支持。

关键词：猕猴桃,高光谱,叶片氮磷钾,特征波段,随机森林回归

基金资助：陕西省重点研发计划项目（2023—YBNY—080）；西安市科技计划（24NYGG0031）；国家级大学生创新训练计划项目（202310712098）