盐碱胁迫是影响农作物产量和质量关键的非生物胁迫之一,目前农作物盐碱胁迫的检测主要通过传统的化学分析方法,为避免其操作复杂且存在破损性及耗时长等不足,研究一种农作物盐碱胁迫程度的快速无损检测技术,对于解决大田作物盐碱胁迫程度检测难题,保障农作物健康生长具有重要意义和实践价值。本文以芸豆为研究对象,采集不同盐碱胁迫时期的水培芸豆的批量光谱数据,通过分析多维光谱特性实现数据预处理,提取并优选光谱曲线特征波数,建立智能检测盐碱胁迫程度的检测模型,完成基于近红外光谱技术的农作物盐碱胁迫检测方法的研究。主要研究内容如下:(1)光谱数据采集。以黑龙江省农业科学院获取的芸豆品种中的“HYD”为研究对象,通过霍格兰营养液采取水培技术和100毫摩每升的碳酸氢钠溶液模拟盐碱胁迫的处理方法,在芸豆幼苗的一枚复叶完全展开时进行盐碱胁迫处理。依照芸豆生理指标:光合色素含量、气体交换参数和叶绿素荧光参数每间隔24h测定一次来确定盐碱胁迫程度的等级,进行为期健康(无盐碱0h)、24h、48h、72h、96h、120h和144h的盐碱胁迫(第168h冠层已失去活性)。通过采集不同盐碱胁迫程度的芸豆冠层,获取其对应的近红外光谱数据,将每个时期内获取的芸豆光谱数据编号标记好与其盐碱胁迫等级准确对应,共计获取524组样本数据。(2)光谱数据预处理。对获取的不同盐碱胁迫程度芸豆冠层光谱数据,选择主成分分析(PCA)和马氏距离(MD)相结合的方法进行异常样本剔除,利用选取主成分为3时的降维数据替换原始光谱数据,之后选择马氏距离法进行异常样本剔除,结果显示没有异常的芸豆样本。然后选用SPXY法划分光谱样本集,分别应用卷积平滑(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)、标准化(STD)、去趋势(DT)和均值中心化(MC)方法对原始光谱进行预处理,其中显示去趋势预处理方法效果最好,其均方根误差(RMSE)、相关系数(r)、决定系数(R~2)和标准误差(SE)平均值分别为0.685、0.945、0.895和0.675。(3)光谱曲线特征波数提取及优选。经DT预处理后,应用竞争性自适应重加权采样算法(CARS)、连续投影算法(SPA)和CARS-SPA算法,提取芸豆冠层的光谱曲线特征波数分别为128个、11个和12个,光谱波段总数分别压缩了91.25%、99.25%和99.18%,极大幅度降低了光谱数据的维数。然后基于多种建模确定优选特征波数算法,依据CARS、SPA和CARS-SPA的3种算法提取之后的特征波数,通过分别建立的PLSR、PCR及MLR模型评价参数的综合分析,均选择CARS算法作为光谱曲线特征波数提取的优选算法。(4)构建智能检测盐碱胁迫神经网络模型及结果评价。应用BP和RBF对原始光谱、DT预处理光谱以及CARS提取特征光谱,分别建立的6种盐碱胁迫智能检测模型的评价参数进行综合分析,均是CARS提取特征光谱建立的神经网络模型较好。构建的128-282-7型三层神经网络结构的DT-CARS-RBF模型性能较佳,其仿真时间、检测准确率和均方误差分别为30秒、98%和0.00999354。应用DT-CARS-RBF法构建的检测模型表现出了良好的快速性和准确性。本研究应用近红外光谱处理技术结合多种智能信息处理方法,构建芸豆盐碱胁迫程度检测模型(DT-CARS-RBF),为大田作物快速和精确地自动检测盐碱胁迫程度提供技术支持和参考。