玉米叶片的氮含量是玉米生长的重要指标,是直接影响玉米生长发育和产量的主要因素之一。传统的玉米叶片氮含量检测常采用的化学分析方法,操作复杂、实时性较差,而且容易因操作不当产生误差。采用光谱与图像技术对玉米叶片氮含量进行分析检测,分别为玉米叶片氮含量的实验室检测分析与种植应用提供了技术支撑,并对玉米叶片含水量检测方法进行探索研究。主要研究内容如下:(1)搭建试验环境,通过种植试验获得玉米叶片样本,采用标准归一化结合SG卷积平滑法对原始光谱数据进行预处理,利用连续投影算法提取玉米拔节期、大喇叭口期、抽雄期三个追肥关键期的特征波长,为降低数据训练维度,提高建模效率提供依据。(2)通过多元线性回归、BP神经网络、GA优化BP神经网络、随机森林分别建立了全波段和特征波长下光反射率与玉米叶片氮含量的数学模型,并通过对上述模型全波段和特征波长下平均准确率的分析比较,验证了提取的特征波长的准确性,并得到适用于实验室检测分析的光谱氮含量模型。(3)结合图像技术与卷积神经网络算法,对玉米叶片氮含量自动建模预测方法进行了研究,建立了玉米叶片图像与氮含量的关系模型,实现了导入图像自动预处理及训练,为通过增加训练集提高建模准确度提供了条件,最终得到适用于种植应用的图像氮含量模型。