基于太赫兹吸收系数光谱检测油菜叶片水分状态的方法与流程

本发明涉及植物叶片水分状态的检测方法，尤其涉及一种基于太赫兹吸收系数光谱技术检测油菜叶片水分状态的方法。

背景技术：

油菜是我国最主要的油料生产原料和经济作物之一，占我国油料经济作物总面积的40％以上，总油料产量的30％以上。油菜作为油料主要生产作物，其油菜籽油中富含油酸、亚油酸等不饱和脂肪酸，具有预防心血管疾病和降低人体内血清胆固醇等保健功效。水分是油菜生长过程中光合作用、蒸腾作用及养分运输的重要因素之一，也是油菜重要的生理指标之一。油菜的健康生长需要适当的水分用量，超过一定限度时，其正常生理过程就会受到干扰，甚至使植株遭受损伤，这种水分亏缺称为水分胁迫或水分逆境。当水分过多时，会妨碍其有氧呼吸作用而对植株造成伤害；当水分过少时，植株含水量下降，水势和膨压也相应降低，会导致一些病害的发生，如叶片黄化、枯萎、坏死等。油菜叶片内的水分含量不但直接影响植物的生长，甚至会影响作物产量，而且还对油菜品质以及种子的安全储藏具有至关重要的作用。因此，对油菜叶片水分含量测定对研究该作物生理状况、长势、品质监控、节水灌溉与智能管理具有重要的意义。

传统的植物叶片水分含量测定方法主要有干燥法、蒸馏法、卡尔-费休法，该类检测方法在样本准备上需要花费大量的时间和精力，有些废液废弃物等对环境造成严重污染，且破坏性实验将使植物生长过程无法继续，同时过长的检测时间无法保证数据的时效性与不同样本测量数据之间的同步性。随着光谱技术的快速发展，近红外光谱检测法、高光谱检测法、电磁波检测法及太赫兹波谱(terahert，thz)检测法广泛应用于植物叶面含水率检测的研究。由于大量的大分子振动和转动能级都处于太赫兹波段(0.1～10thz)，在太赫兹波段表现出很强的吸收和谐振，并且物质的太赫兹光谱包含丰富的物理信息和化学信息。太赫兹光子能量低可避免生物细胞的光致电离损伤。太赫兹光谱具有吸水性，大多数极性分子如水分子对太赫兹辐射有强烈的吸收。此外，太赫兹具有较强的穿透性，能穿透像油菜叶片这种较薄的生物样本。因此，太赫兹光谱检测技术在检测油菜叶片水分上具有一定的优势。

本发明利用thz的高吸水性、高穿透性、低损害性，采用thz时域光谱技术进行油菜叶片水分状态的检测。实验选用健康生长的油菜植株，将新鲜叶片从油菜植株上剪下放置在实验室环境下，连续监测叶片水分变化与thz光谱的变化情况，探讨利用thz时域光谱技术检测针对不同叶片水分状态变化的响应规律，以及进行不同含水率的油菜叶片水分状态的定量建模分析，对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义。

技术实现要素：

为克服现有技术所存在的问题，本发明提供了一种基于太赫兹吸收系数光谱技术检测油菜叶片水分状态的方法。

一种基于太赫兹吸收系数光谱检测油菜叶片水分状态的方法，包括如下步骤：

(1)采用太赫兹时域光谱系统采集参考光谱和油菜叶片样本的太赫兹时域光谱；对所得的太赫兹时域光谱进行转换和处理，得到对应的太赫兹吸收系数光谱；

(2)采用干燥称重法计算油菜叶片样本的含水率和相对含水率；

(3)建立油菜叶片的太赫兹吸收系数光谱与油菜叶片含水率和相对含水率的定量回归模型；

(4)获取未知水分状态的油菜叶片的太赫兹时域光谱，经处理和转换，提取对应的太赫兹吸收系数光谱，然后再经光谱预处理后输入所建立的定量回归模型，对叶片的含水率和相对含水率状态进行预测。

实施本发明方法可采用时域太赫兹光谱透射式扫描系统(thz-tds)，激光器为钛宝石飞秒激光振荡器；波长：800nm；重复频率：80mhz；频率范围：0.1～3.5thz；脉冲宽度：50fs；平均功率：500mw。

作为优选，步骤(1)中的挑选的油菜品种为新油6号。

作为优选，步骤(1)中从健康正常生长的油菜植株上挑选叶片完整、无病虫害且新鲜的油菜叶片作为所述油菜叶片样本。挑选长势良好、叶片完整、无病虫害、大小相近的新鲜油菜叶片。

作为优选，步骤(1)中针对每片油菜叶片样本，每间隔一段时间重复测量一次参考光谱和油菜叶片的太赫兹时域光谱，每次采集完太赫兹时域光谱后立即测量叶片的重量。将第一称取的油菜叶片重量作为叶片的鲜重。

针对同一叶片，将其第一次的称重作为鲜重，烘干至衡重后的称重作为干重，中间过程中的称重作为叶片实时的重量。叶片的重量采用精度为0.0001g的电子天平称取。每次间隔时间为20min～40min；优选为30min。

作为优选，每次采集，选取的油菜叶片的点位为叶肉部分，避免叶脉部分，每次采集油菜叶片样本的太赫兹时域光谱时选取3个不同的点位进行采集，每个点位重复采集三次光谱。

针对每个油菜叶片样本，共采集9条时域光谱，将这9条谱取平均作为该叶片最终的时域光谱。积分时间为40ps，时域光谱的采样点数为1000，时间分辨率为39.2fs。

作为优选，在检测过程中，向样本检测仓内充干燥氮气，并采用太赫兹时域光谱系统的透射扫描模块获取以氮气为背景的参考光谱，以及在氮气环境下获取油菜叶片的太赫兹时域光谱。进一步优选，向样本检测仓内充干燥氮气空气湿度低于5％时开始检测。

作为优选，步骤(1)中的转换和处理为：将所采集的太赫兹时域光谱进行傅里叶变换，转换成对应的太赫兹频域光谱，然后根据太赫兹频域光谱提取太赫兹吸收系数光谱，再对太赫兹吸收系数光谱进行平滑处理。

进一步优选，平滑处理方法为savitzky-golay平滑。

作为优选，太赫兹时域光谱的时间分辨率为39.2fs(飞秒)；经傅里叶变换后的太赫兹频域光谱的频率分辨率为25.5ghz，频谱范围为0.1～3.5thz。

作为优选，提取太赫兹透射率谱后，选取光谱范围为0.1～2thz的谱段进行建模，所述定量回归模型为pls模型。

提取太赫兹吸收系数光谱之后，为了保证光谱信息的有效性与高信噪比，以及建模精度的优化，选取0.1～2thz(频率分辨率：25.5ghz)范围内的光谱信息，在savitzky-golay平滑处理的基础上再进行pls建模分析。

作为优选，步骤(3)中采用随机取样的方式每次从全部80个样本集中选出50个样本作为校正集，其余30个样本作为验证集，进行pls建模分析。重复10建模，然后将10次的模型结果取平均作为最终的模型结果。针对含水率，校正集与验证集相关系数分别为0.8765、0.8373，均方根误差分别为0.0792、0.1167；针对相对含水率，校正集与验证集相关系数分别为0.9162、0.8021，均方根误差分别为0.1188、0.1812。

本发明获取油菜叶片在0-40ps内的时域光谱；将时域光谱进行傅里叶变换得到0.1～3.5thz范围内的频率光谱；根据频率光谱，提取信噪比较高的0.1～2thz范围内的吸收系数光谱；采用0.1～2thz范围内的吸收系数光谱结合油菜叶片相应的水分状态进行定量回归建模；获取待检油菜叶片的吸收系数光谱并输入所述模型，得到相应的水分状态检测结果。本发明利用太赫兹光谱检测技术，研究对自然条件下正常生长油菜叶片水分状态的定量分析，对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义，展示了thz在植物水分检测领域中的应用前景

与现有技术相比，本发明具有如下有益效果：

针对基于太赫兹吸收系数光谱的油菜叶片水分状态的定量检测，相比于其他类型的模型，pls模型具有方法简单、精度高、稳定性好等优点。相比于传统叶片水分检测方法基于常规的光谱检测方法，太赫兹光谱检测技术由于具有强吸水特性，大多数极性分子如水分子、氨气分子等对太赫兹辐射有强烈的吸收。此外，太赫兹具有强穿透性能，能穿透油菜叶片这类较薄的生物样本，进而可以实现相比于反射测量精度更高的透射式测量。因此，利用太赫兹光谱的吸水性和穿透性是研究物质水分含量与分布情况的科学手段之一。

附图说明

图1：本发明太赫兹检测的流程图。

图2：油菜叶片的时域光谱图。

图3：0.1～2thz范围内的油菜叶片的吸收系数光谱图。

具体实施方式

本文实施一种基于太赫兹吸收系数光谱定量检测叶片水分状态的方法，参考如图1所示的流程图，包括以下步骤：

(1)样本准备：在实验前一个星期将健康生长的油菜植株从大田中移栽至温室，保持光照时长10h，温度24度，湿度65％。共移栽8盆，每盆3株，每天施加适量的水分，以确保油菜的正常生长，且保证土壤含水率均为80％左右(±4％)。

(2)光谱采集：实验仪器采用cip-thz透射扫描系统，向样本仓内充满的干燥氮气，使系统内部湿度小于5％。整个实验过程中，实验室内恒温294k，相对湿度恒低于20％。先采集以氮气为背景的参考光谱。然后从8盆油菜植株中各取一片油菜叶片，将其依次摘下进行样本光谱的采集。每个叶片选择3个不同的点位(选择叶肉部分，避开叶脉部位)，每个点位重复采集3次。将获取的9条时域光谱取平均作为该样本的太赫兹时域光谱。实验过程中，每次扫完thz光谱后立即采用精度为0.0001g的电子天平称取叶片的重量。然后将叶片放置在实验室环境下，每隔30min重复测一次参考光谱、油菜样品光谱、叶片重量，连续监测10组，共得到10条参考谱线和80条信号谱线，如图2所示。

(3)水分计算：采用干燥称重法，将采集完光谱数据后的油菜叶片放入65℃烘干箱内烘干至衡重，然后采用公式(1)和公式(2)分别计算叶片的含水率和相对含水率。

其中wfresh是叶片的鲜重，wdry是叶片的干重，wtime是在重复测量过程中叶片的重量。

(4)光谱处理：将所采集的样本太赫兹时域光谱进行傅里叶变换，转换成对应的频域谱数据，然后根据公式(3)提取相应的太赫兹吸收系数光谱，如图3所示。再采用savitzky-golay方法对吸收系数光谱进行平滑去噪处理。

测量的样品宏观光学性质可以用复折射率表示：

其中，n(ω)为样品的实际折射率，它描述的是样品的色散；k(ω)为消光系数，它描述的是样品的吸收特性。ω＝2πf，f为频率，c为光速。

(5)模型建立：根据油菜叶片的太赫兹吸收系数光谱和相应的含水率与相对含水率，分别建立相应的偏最小二乘(pls)回归模型。其中校正集样本数为50，验证集样本数为30，通过10次随机取样建立pls模型，然后将10次模型的结果取平均作为最终的模型结果，如表1所示。

表1：10次随机取样下pls模型的结果

(6)水分预测：针对未知水分状态的油菜叶片，采集其太赫兹时域光谱进行频域转换，然后将提取的吸收系数光谱输入至已建立的pls模型中，即可预测出相应的含水率与相对含水率。