一种基于冠层反射光谱的茶树品种识别方法

技术特征：
1.一种基于冠层反射光谱的茶树品种识别方法，其特征在于，包括以下步骤：s1.基于茶树种质资源，采集茶树冠层或者叶片的近红外反射光谱数据，进行数据处理，构建不同茶树品种的红外反射光谱数据库；s2.对光谱数据库数据进行分割，一部分用于识别模型开发，另一部分用于模型诊断；s3.进行机器学习模型训练茶树品种识别模型；s4.对生成的不同模型，建立并验证校正模型，相关性分析，然后进行评价，最终确定最有模型。2.根据权利要求1所述基于冠层反射光谱的茶树品种识别方法，其特征在于，步骤s1中所述茶树冠层或者叶片近红外反射光谱数据的采集方法如下：取样品粉末放入样品杯中，混合均匀，压平，采用积分球漫反射附件采集，得到近红外反射光谱数据。3.根据权利要求2所述基于冠层反射光谱的茶树品种识别方法，其特征在于，所述积分球漫反射附件采集的扫描范围4000-10000cm-1
，扫描次数60-70次，分辨率5-10cm-1
，环境温度18-25℃，ingaas检测器。4.根据权利要求3所述基于冠层反射光谱的茶树品种识别方法，其特征在于，所述扫描次数64次，分辨率8cm-1
，环境温度20℃。5.根据权利要求1所述基于冠层反射光谱的茶树品种识别方法，其特征在于，步骤s1中所述数据处理采用matlab 7.0软件结合tq analyst 7.2数据处理软件。6.根据权利要求1所述基于冠层反射光谱的茶树品种识别方法，其特征在于，步骤s3中所述机器学习方法包括线性判别、偏最小二乘法、神经网络、决策树、随机森林和支持向量机。7.根据权利要求1所述基于冠层反射光谱的茶树品种识别方法，其特征在于，步骤s4中所述建立并验证校正模型的方法为采用tq analyst 7.2数据处理软件，建立茶树近红外光谱图特征与待测组分含量间的校正模型，进而对验证集样品进行分析。8.根据权利要求1所述基于冠层反射光谱的茶树品种识别方法，其特征在于，步骤s4中所述相关性分析的方法为对茶树的叶绿素、水分、灰分和醇溶性浸出物4个指标成分，采用spss软件进行两两间的相关分析。9.根据权利要求1所述基于冠层反射光谱的茶树品种识别方法，其特征在于，具体包括以下步骤：s1.基于茶树种质资源，采集茶树冠层或者叶片的近红外反射光谱数据，进行数据处理，构建不同茶树品种的红外反射光谱数据库；采集方法如下：取样品粉末放入样品杯中，混合均匀，压平，采用积分球漫反射附件采集，得到近红外反射光谱数据，所述积分球漫反射附件采集的扫描范围4000-10000cm-1
，扫描次数64次，分辨率8cm-1
，环境温度20℃，ingaas检测器；s2.对光谱数据库数据进行分割，一部分用于识别模型开发，另一部分用于模型诊断；s3.进行机器学习模型训练茶树品种识别模型，所述机器学习方法包括线性判别、偏最小二乘法、神经网络、决策树、随机森林和支持向量机；s4.对生成的不同模型，采用tq analyst 7.2数据处理软件，建立茶树近红外光谱图特征与待测组分含量间的校正模型，进而对验证集样品进行分析，对茶树的叶绿素、水分、灰分和醇溶性浸出物4个指标成分，采用spss软件进行两两间的相关分析，然后进行评价，最
终确定最有模型。

技术总结
本发明提出了一种基于冠层反射光谱的茶树品种识别方法，属于检测分析技术领域。包括：S1.基于茶树种质资源，采集茶树冠层或者叶片的近红外反射光谱数据，进行数据处理，构建不同茶树品种的红外反射光谱数据库；S2.对光谱数据库数据进行分割，一部分用于识别模型开发，另一部分用于模型诊断；S3.进行机器学习模型训练茶树品种识别模型；S4.对生成的不同模型，建立并验证校正模型，相关性分析，然后进行评价，最终确定最有模型。本发明识别模型的总体准确率高，对具有近缘关系茶树的品种识别准确率略低，应用前景佳。应用前景佳。应用前景佳。


技术研发人员：倪康 龙俐至 杨向德 马立锋 伊晓云 张群峰 刘美雅 石元值 阮建云
受保护的技术使用者：中国农业科学院茶叶研究所
技术研发日：2022.08.16
技术公布日：2022/11/18