(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211100554.X (22)申请日 2022.09.08 (71)申请人 贵州省山 地资源研究所 地址 550025 贵州省贵阳市 云岩区陕西路1 号 申请人 贵州省蚕业研究所(贵州省辣椒 研 究所) (72)发明人 肖玖军　邢丹　谢元贵　李可相　 谢刚　陈阳　张蓝月　 (74)专利代理 机构 北京预立 生科知识产权代理 有限公司 1 1736 专利代理师 李红伟 (51)Int.Cl. G01N 21/25(2006.01) G01N 21/55(2014.01)G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于波长的叶绿素含量测定方法及其 系统 (57)摘要 本发明公开了一种基于波长的叶绿素含量 测定方法、 系统、 设备和计算机可读存储介质， 方 法包括： 获取待测叶片样本的波长数据； 对所述 待测叶片样 本的波长数据进行变量筛选， 得到目 标波长数据作为特征波长数据； 所述特征波长数 据包括数据集一， 数据集一包括以下一种或几 种： 510、 558、 559、 713、 1717、 1720、 1898、 2031、 2033、 2304； 将所述特征波长数据输入到构建好 的叶绿素含量测定模型一中， 得到叶绿素含量 值。 本发明基于叶片测量光谱及其波长， 测定叶 片样本的叶绿素含量值， 测定结果准确度高， 效 率高， 还能实现同时对大范围的叶绿素含量进行 有效测定， 省时省力， 从深层次挖掘隐含在光谱 数据背后的规 律， 解决相关的科 学问题。 权利要求书3页 说明书11页 附图4页 CN 115479903 A 2022.12.16 CN 115479903 A 1.一种基于波长的叶绿素含量测定方法， 包括： 获取待测叶片样本的波长数据； 对所述待测叶片样本的波长数据进行变量筛选， 得到目标波长数据作为特征波长数 据； 所述特征波长数据包括数据集一， 数据集一包括以下一种或几种： 510、 558、 559、 713、 1717、 1720、 1898、 20 31、 2033、 2304； 将所述特 征波长数据输入到构建好的叶绿素含量测定模型一中， 得到叶绿素含量 值。 2.根据权利要求1所述的基于波长的叶绿素含量测定方法， 其特征在于， 所述待测叶片 样本的波长数据是经预处理后的波长数据， 预处理的过程包括： 获取待测叶片样本的光谱 数据； 对所述待测叶片样本的光谱数据进 行预处理， 得到经预 处理后的波长数据， 所述经预 处理后的波长数据为所述待测叶片样本的波长数据； 可选的， 所述预处理的方法包括以下一种或几种： 一阶导数、 二阶导数、 基线校正、 多元 散射校正、 变量标准 化、 倒数、 倒数对数； 可选的， 所述预处 理的方法为： 变量标准 化； 可选的， 所述待测叶片样本的光谱数据是将叶片样本的原始光谱数据进行平滑 处理后 得到的光谱数据： 可选的， 所述平 滑处理的方法包括但不限于以下一种： Savitzky ‑Golay。 3.根据权利要求1所述的基于波长的叶绿素含量测定方法， 其特征在于， 所述特征波长 数据还包括数据集二， 数据集二包括以下一种或几种： 404、 503、 505、 507、 508、 510、 547、 548、 549、 550、 551、 553、 554、 555、 556、 557、 688、 689、 690、 693、 708、 709、 710、 711、 712、 713、 1503、 1710、 1711、 1712、 1713、 1714、 1715、 1716、 1717、 1718、 1719、 1720、 1721、 1925、 1926、 2304、 2305、 2306、 2307； 将数据集二输入到构建好的叶绿素含量测定模型二中， 得到叶绿素 含量值； 可选的， 所述特征波长数据还包括数据 集三， 数据集三包括以下一种或几种： 440、 441、 442、 443、 479、 480、 482、 533、 663、 664、 665、 677、 678、 681、 2211、 2212、 2213、 2215、 2216、 2232、 2233、 2235、 2236、 2240、 2241、 2244、 2245、 2290、 2292、 2293、 2294、 2295、 2296、 2297、 2298、 2299、 2300、 2 301、 2302、 2303、 2307、 2308、 2309、 2 310、 2311； 将数据集三输入到构建好 的叶绿素含量测定模型三中， 得到叶绿素含量 值； 可选的， 所述特征波长数据还包括数据集四， 将数据集四输入到构建好的叶绿素含量 测定模型四中， 得到叶绿素含量 值； 可选的， 所述特征波长数据还包括数据集五， 将数据集五输入到构建好的叶绿素含量 测定模型五中， 得到叶绿素含量 值； 可选的， 所述特征波长数据还包括数据集六， 将数据集六输入到构建好的叶绿素含量 测定模型 六中， 得到叶绿素含量 值； 可选的， 所述特征波长数据还包括数据集七， 将数据集七输入到构建好的叶绿素含量 测定模型七中， 得到叶绿素含量 值； 可选的， 所述特征波长数据还包括数据集八， 将数据集八输入到构建好的叶绿素含量 测定模型八中， 得到叶绿素含量 值。 4.根据权利要求1所述的基于波长的叶绿素含量测定方法， 其特征在于， 采用机器学习 的方式构建模型， 得到叶绿素含量值； 所述叶绿素含量测定模 型一的确定方式包括： 获取叶 片样本的光谱数据集， 和对应的叶绿素含量值； 利用变量标准化对所述叶片样本的光谱数权　利　要　求　书 1/3 页 2 CN 115479903 A 2据集进行预处理， 得到经预处理后的波长数据集； 对所述经预处理后的波长数据集进行变 量筛选， 得到目标波长数据作为特征波长数据集； 利用所述特征波长数据集构建模型， 将利 用模型得到的叶绿素含量预测值与所述对应的叶绿素含量值进行比较， 优化模型， 得到构 建好的叶绿素含量测定模型一； 可选的， 所述叶绿素含量测定模型二的确定方式包括： 获取叶片样本的光谱数据集， 和 对应的叶绿素含量值； 利用多元散射校正对所述叶片样本的光谱数据集进行预处理， 得到 经预处理后的波长数据集； 对所述经预处理后的波长数据集进行变量筛选， 得到目标波长 数据作为特征波长数据集； 利用所述特征波长数据集构建模型， 将利用模型得到的叶绿素 含量预测 值与所述对应的叶绿素含量值进行比较， 优化模型， 得到构建好的叶绿素含量测 定模型二。 5.根据权利要求1所述的基于波长的叶绿素含量测定方法， 其特征在于， 所述叶绿素含 量测定模 型三的确定方式包括： 获取叶片样本的光谱数据集， 和对应的叶绿素含量值； 利用 倒数对所述叶片样本的光谱数据集进行预处理， 得到经预处理后的波长数据集； 对所述经 预处理后的波长数据集进行变量筛选， 得到目标波长数据作为特征波长数据集； 利用所述 特征波长数据集构建模型， 将利用模型得到的叶绿素含量预测值与所述对应的叶绿素含量 值进行比较， 优化模型， 得到构建好的叶绿素含量测定模型三； 可选的， 所述叶绿素含量测定模型四的确定方式包括： 获取叶片样本的光谱数据集， 和 对应的叶绿素含量值； 对所述叶片样本的光谱数据集不做预处理， 得到所述叶片样本的光 谱数据集对应的波长数据集； 对所述叶片样本的光谱数据集对应的波长数据集进 行变量筛 选， 得到目标波长数据作为特征波长数据集； 利用所述特征波长数据集构建模型， 将利用模 型得到的叶绿素含量预测值与所述对应的叶绿素含量值进行比较， 优化模型， 得到构建好 的叶绿素含量测定模型四； 可选的， 所述叶绿素含量测定模型五的确定方式包括： 获取叶片样本的光谱数据集， 和 对应的叶绿素含量值； 利用二阶导数对所述叶片样本的光谱数据集进行预处理， 得到经预 处理后的波长数据集； 对所述经预处理后的波长数据集进行变量筛选， 得到目标波长数据 作为特征波长数据集； 利用所述特征波长数据集构建模型， 将利用模型得到的叶绿素含量 预测值与所述对应的叶绿素含量值进行比较， 优化模型， 得到构建好的叶绿素含量测定模 型五。 6.根据权利要求1所述的基于波长的叶绿素含量测定方法， 其特征在于， 所述叶绿素含 量测定模 型六的确定方式包括： 获取叶片样本的光谱数据集， 和对应的叶绿素含量值； 利用 基线校正对所述叶片样本的光谱数据集进行预处理， 得到经预处理后的波长数据集； 对所 述经预处理后的波长数据集进行变量筛选， 得到目标波长数据作为特征波长数据集； 利用 所述特征波长数据集构建模型， 将利用模型得到的叶绿素含量预测值与所述对应的叶绿素 含量值进行比较， 优化模型， 得到构建好的叶绿素含量测定模型 六； 可选的， 所述叶绿素含量测定模型七的确定方式包括： 获取叶片样本的光谱数据集， 和 对应的叶绿素含量值； 利用倒数对数对所述叶片样本的光谱数据集进行预处理， 得到经预 处理后的波长数据集； 对所述经预处理后的波长数据集进行变量筛选， 得到目标波长数据 作为特征波长数据集； 利用所述特征波长数据集构建模型， 将利用模型得到的叶绿素含量 预测值与所述对应的叶绿素含量值进行比较， 优化模型， 得到构建好的叶绿素含量测定模权　利　要　求　书 2/3