基于高光谱图像的土壤速效磷含量预测研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）1.本课题的意义：土壤化学物质是土壤固态物质的重要组成部分，可以提供植物所需的养分，其含量也是衡量土壤肥力高低的重要指标。

传统的土壤有机质测定常采用实验室理化分析来进行，时效差、费力、成本高且步骤繁琐，不能有效满足精准农业田间施肥管理实用性、实时性的需要。

可见光/近红外光谱分析技术具有快速、无损、成本低等优点，可以实现土壤参数实时在线监测，能有效满足精准农业的发展需要，已成为当前的研究热点。

2. 研究的基本内容和问题

研究目的、研究内容、拟解决的关键问题1.研究目的：本课题主要利用高光谱技术，对采集的土壤样本光谱图进行预处理，针对土壤中的全氮含量对应光谱的变化趋势进行分析、特征提取，建立预测模型并加以改进，从而达到利用计算机模型较准确预测土壤中的全氮含量的目的。

2.研究内容：（1）采集样本，获取土壤中的氮含量，经光谱测定得到光谱图。

（2）去除光谱图像的噪声，分割边缘，选取氮含量的代表波段。

3. 研究的方法与方案

研究方法、技术路线、实验方案及可行性分析1.研究方法：（1）光谱图的生成以及降噪，分割，选取，平滑等预处理。

（2）对于土壤光谱图中氮含量光谱图分段中的边缘以及整个区域的特征提取。

（3）建立三层bp神经网络，通过训练样本，得出模型。

4. 研究创新点

创新点1.课题新颖。

2.特征提取的特征选择。

3.bp神经网络的应用。

5. 研究计划与进展

研究计划及预期进展（1）2018年1月-2018年2月收集与本研究有关的资料，了解和学习有关的研究工作成果和已有的研究工作成绩，了解和学习光谱仪的使用，并更加深入的学习和掌握相关的编程语言与技术，搭建编程环境。

对土壤样本进行光谱生成及图像预处理。

（2）2018年3月对预处理后的图像进行特征提取，根据特征，采用建立的三层bp神经网络进行训练，使用回归法及最小二乘法进行分析，得到模型。