In dieser Studie wurde eine hyperspektrale Kamera 400-1000nm angewendet, und FS13, ein Produkt der Hangzhou-Farbspektrum-Technologie Co., Ltd., könnte für in Verbindung stehende Forschung verwendet werden. Der Spektralbereich ist 400-1000nm, ist die Wellenlängenentschließung besser als 2.5nm, und bis 1200 Spektralkanäle können erreicht werden. Die Erwerbsgeschwindigkeit kann 128FPS im vollen Spektrum und das Maximum erreichen, nachdem Bandauswahl 3300Hz ist (Stützmultiregionsbandauswahl).
Kopfsalat ist im Protein, in den Kohlenhydraten, in den Vitaminen und in anderen Nährstoffen reich, und der pflanzende Bereich ist breit. Stickstoff ist eins der wichtigsten Elemente, die das Wachstum des Kopfsalates beeinflussen. Um ein schnelles herzustellen, ist leistungsfähige und zerstörungsfreie Methode für zufriedene Entdeckung des Stickstoffes des Kopfsalates bequem die angemessene Düngung des Kopfsalates zu führen. Zur Zeit gibt es wenige Berichte über den Gebrauch von hyperspektraler Bildtechnologie, Stickstoffinhalt in den Kopfsalatblättern zu ermitteln. In dieser Studie wurde hyperspektrale Bildtechnologie an der zerstörungsfreien Entdeckung des Stickstoffinhalts in den Kopfsalatblättern angewendet. Indem man die Effekte von verschiedenen Spektralvorbehandlungsmethoden auf modellierendes PLSB studierte, wurden passende Spektralvorbehandlungsmethoden für Kopfsalatblätter vorgewählt, und die empfindlichen Wellenlängen, die für Vorhersagestickstoffinhalt in den Kopfsalatblättern passend sind, wurden optimiert. Ein Versuch wurde, das Modell der einfachsten und optimalen Vorhersage des Stickstoffinhalts in den Kopfsalatblättern herzustellen gemacht. Dieser Satz Methoden ist nicht berichtet worden, und er bietet auch eine Basis für die Entwicklung des tragbaren Gemüsenährelementdetektors, der starken praktischen Wert hat.
Die hyperspektralen Bilder von 60 Kopfsalatblättern wurden durch hyperspektrale Bildtechnologie gesammelt, und der Stickstoffinhalt der entsprechenden Kopfsalatblätter wurde durch ununterbrochenen AutoAnalyzer3 Flusszerleger bestimmt. Die durchschnittlichen Spektraldaten von Regionen 50×50 auf der Oberfläche der rohen Kopfsalatblätter wurden durch ENVI-Software extrahiert. Die extrahierten durchschnittlichen Spektraldaten wurden aufbereitet (8 Arten Vorbehandlungsmethoden). Schließlich wurden die ursprünglichen Spektraldaten und 8 Arten Vorbehandlungsspektraldaten als der Input von PLSR verwendet, um 9 Vorhersagenmodelle für Stickstoffinhalt des Kopfsalates festzulegen. Indem man die Ergebnisse dieser 9 Vorhersagenmodelle verglich, wurde die optimale Vorhersage vorbildliches OSC+PLSR vorgewählt, und das Regressionskoeffizientdiagramm des OSC+PLSR-Modells wurde analysiert. 13 empfindliche Wellenlängen wurden vorgewählt, und dann wurden 13 empfindliche Wellenlängen als PLSR-Input genommen. Schließlich wurde das Vorhersagenmodell des OSC+SW+PLSR-Kopfsalat-Stickstoffinhalts hergestellt. Verglichen mit OSC+PLSR-Modell, ist die Vorhersagen-Leistungsfähigkeit erheblich verbessert worden, die als leistungsfähige, genaue und zerstörungsfreie neue Methode für die Vorhersage des Stickstoffinhalts in den Kopfsalatblättern verwendet werden kann, und kann einen Hinweis für Stickstoffnahrungsdiagnose und wirtschaftliche und rationale Düngung des Kopfsalates zur Verfügung stellen.