基于透射光譜的玉米葉片含水率快速檢測儀研究

孫　紅　陳　香　孫梓淳　李民贊　張　漫　吳靜珠

(1.中國農(nóng)業(yè)大學(xué)現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室， 北京 100083；>2.北京工商大學(xué)食品安全大數(shù)據(jù)技術(shù)北京市重點實驗室， 北京 100048)

0　引言

水對植物生長至關(guān)重要，水分虧缺將影響植物的蒸騰、呼吸和光合作用，從而影響植物的生長、產(chǎn)量和品質(zhì)[1-3]。植物葉片含水率是反映植物受脅迫程度的重要指標。快速、高效、準確、無損地檢測植株葉片含水率對研究作物抗旱性以及實現(xiàn)精準農(nóng)業(yè)具有重要意義[4-5]。

GAO[18]基于1 240 nm對水分變化的敏感性和860 nm處響應(yīng)的不敏感特征，提出歸一化水分指數(shù)NDWI。PEUELAS等[19]利用WI(R970/R900)與NDVI((R900-R680)/(R900+R680))的比值預(yù)測植物葉片、植株和植物冠層的含水率和水勢。程曉娟等[20]利用增強型植被指數(shù)EVI和歸一化差值植被指數(shù)NDVI的乘積構(gòu)建了一種新指數(shù)NDVI#，其中藍波段采用470 nm，近紅外采用860 nm,短波紅外著重分析1 240、1 450、1 950、2 500 nm 4個波段，分析發(fā)現(xiàn)1 450和1 950 nm 2個波段組合植被指數(shù)NDWI#與水分相關(guān)性最高，抗飽和性最強。在植物含水率檢測研究中，由于單一波段易受物質(zhì)結(jié)構(gòu)和外界環(huán)境變化的干擾，研究表明將2個或2個以上的波長組合成不同植被指數(shù)可以提高光譜預(yù)測能力。

在便攜式植物含水率光譜學(xué)診斷儀器開發(fā)方面，白路軍[21]采用1 780、1 940、2 100 nm開發(fā)了近紅外水分監(jiān)測儀，檢測燒結(jié)混合物料的含水率。韓書慶等[22]通過篩選的650、940、975 nm采用LED光源設(shè)計了便攜式葉綠素、氮素、水分一體化設(shè)計。JIA等[23]基于反射法利用680、900、970 nm對水分進行檢測。盡管上述研究體現(xiàn)了光譜學(xué)原理指導(dǎo)開發(fā)便攜式水分診斷儀的可行性，但目前還沒有一款成熟的作物葉片含水率檢測系統(tǒng)。

本文采用透射光學(xué)結(jié)構(gòu)，設(shè)計一套基于近紅外透射光譜的玉米葉片水分快速診斷裝置，以及數(shù)據(jù)采集、傳輸和管理的軟硬件系統(tǒng)，并進行玉米葉片水分診斷應(yīng)用測試和分析，為玉米生長期水分管理和抵抗水分脅迫的能力評價提供支持。

1　系統(tǒng)設(shè)計

1.1　系統(tǒng)總體設(shè)計

為實現(xiàn)操作輕便，同時考慮用戶后續(xù)可能擴充數(shù)據(jù)采集節(jié)點的需求，作物葉片含水率檢測儀由數(shù)據(jù)采集節(jié)點和數(shù)據(jù)接收節(jié)點兩部分組成，二者通過ZigBee網(wǎng)絡(luò)無線通信，總體結(jié)構(gòu)如圖1所示。數(shù)據(jù)采集節(jié)點由信號采集模塊、信號處理模塊、信號發(fā)送模塊和電源管理模塊組成。其中信號采集模塊主要由葉片夾持結(jié)構(gòu)、光源和光電傳感器組成，葉片夾持結(jié)構(gòu)是根據(jù)玉米葉片形狀以及光路結(jié)構(gòu)設(shè)計開發(fā)，可以形成暗室以便進行光譜測量。電路部分主要完成雙路光譜數(shù)據(jù)的采集，并對采集的信號進行放大、濾波處理，然后通過主控芯片發(fā)送至數(shù)據(jù)接收節(jié)點。數(shù)據(jù)接收節(jié)點由信號接收模塊和PDA組成，主要完成數(shù)據(jù)的接收、顯示、查看、存儲和刪除等功能。

圖1　植物葉片含水率檢測系統(tǒng)整體框圖Fig.1　Diagram of plant leaves moisture content detection system

1.2　透射率計算方法

依據(jù)朗伯-比爾定律(Beer-Lambert law)，當一束平行單色光垂直通過某一均勻非散射的吸光物質(zhì)時,其吸光度A與吸光物質(zhì)的濃度c及吸收層厚度b呈正比。比爾-朗伯定律數(shù)學(xué)表達式為

(1)

式中T——透射比,即透射光與入射光強度之比

K——摩爾吸收系數(shù)，與吸收物質(zhì)的性質(zhì)及入射光的波長λ有關(guān)

單一波段易受外界光強、葉片生理結(jié)構(gòu)變化等因素的影響，因此對水分探測采用雙波段透射法，選用890 nm作為參比波段，980 nm作為水分預(yù)測波段。當光線照射葉片，葉片水分對入射光具有吸收特性且摩爾系數(shù)一定，透過光即為未被吸收的部分，它受葉片厚度(即光程)和水分濃度的影響。采用透射法進行植物葉片含水率檢測，根據(jù)式(1)得到光譜透射率計算公式為

(2)

式中Tr——透射率Tt——透射光強

To——入射原始光強

a——密閉條件下暗電流

1.3　光學(xué)通道設(shè)計

根據(jù)透射光譜探測原理，設(shè)計了玉米葉片光路結(jié)構(gòu)(圖2)和夾持結(jié)構(gòu)(圖3)。該夾持結(jié)構(gòu)由上、下兩部分組成，上半部分用于固定LED光源,波長特性分別為(890±10) nm和(980±10) nm；下半部分用于固定光電傳感器，光源和傳感器中心位于同一軸線上，通道直徑12.5 mm。光電傳感器選用PIN型Si光電二極管，感光面積3.2 mm×3.2 mm，可以采集400～1 100 nm范圍的光信號，890 nm和980 nm在其響應(yīng)峰值范圍內(nèi)。

圖2　雙波長透射光學(xué)結(jié)構(gòu)Fig.2　Double wavelength transmission optical structure

圖3　葉片夾持結(jié)構(gòu)示意圖Fig.3　Structure sketch of blade holding1.光源　2.葉片　3.光電傳感器

結(jié)構(gòu)整體采用ABS黑色材料，在上下夾持部件與葉片接觸部位安裝有墊圈，既能保護葉片不被夾傷，同時又增強了密閉效果，最終形成密閉測量室用于隔絕外界光強干擾。

1.4　電路設(shè)計與實現(xiàn)

針對大田和溫室應(yīng)用條件下對便攜式設(shè)備功耗低、體積小的應(yīng)用需求，主控芯片采用恩智浦公司開發(fā)的JN5168型無線微控制器模塊，尺寸16 mm×21 mm，配置高性能32位RISC處理器，模塊內(nèi)嵌4路12位A/D轉(zhuǎn)換器、256 kB的閃存、32 kB RAM和4 kB EEPROM。同時片上還具有一個符合IEEE802.15.4 2.4 GHz標準的ZigBee網(wǎng)絡(luò)無線收發(fā)器，在無障礙物情況下傳輸距離最遠可達1 km。基于該主控芯片設(shè)計硬件系統(tǒng)總體如圖4所示。

圖4　含水率檢測系統(tǒng)整體硬件結(jié)構(gòu)示意圖Fig.4　Hardware structure sketch of moisture content detection system

光電傳感器采集電流信號范圍為0～200 μA，為了剔除微弱信號中的噪聲干擾，首先采用CA3140完成數(shù)據(jù)I/U轉(zhuǎn)換，將電流信號轉(zhuǎn)換為電壓信號；進而采用LM358完成濾波、放大處理,。CA3140和LM358的工作電壓為5 V，均為單極性電源供電。

假定作物葉片厚度即為光程，光程越大透射光強度越小。不同植物葉片厚度不同，因此為了便于后續(xù)應(yīng)用調(diào)節(jié)尋找適于玉米葉片測量的工作電流，在設(shè)計LED供電電路時采用可調(diào)節(jié)的電流源，電流調(diào)節(jié)范圍為10～25 mA。電源選用2 300 mA·h的可充電扁平鋰電池，電源管理芯片選用三端穩(wěn)壓集成電路LM3171和LM7805。其中，LM317是三端可調(diào)正電壓直流穩(wěn)壓器，輸出電壓范圍1.25～37 V，最大輸出電流1.5 A，通過LM3171轉(zhuǎn)換得到恒流源給LED供電，保證LED持續(xù)穩(wěn)定發(fā)光。LM7805輸入端接7.4 V/2 300 mA·h鋰電池，經(jīng)過LM7805轉(zhuǎn)換輸出5 V恒壓源，給其他電路模塊供電，保證各模塊正常工作。

此外，主控芯片JN5168工作電壓為3.3 V,采用LP2985AIM5-3.3芯片將5 V轉(zhuǎn)換為3.3 V，為微控制器JN5168提供工作電壓。

1.5　軟件功能設(shè)計與實現(xiàn)

數(shù)據(jù)采集節(jié)點和數(shù)據(jù)接收節(jié)點二者通過ZigBee網(wǎng)絡(luò)無線通信，采用點對點傳輸協(xié)議，傳輸協(xié)議選用IEEE802.15.4。數(shù)據(jù)采集節(jié)點首先進行網(wǎng)絡(luò)初始化，等組網(wǎng)成功開始數(shù)據(jù)采集。數(shù)據(jù)接收點軟件流程如圖5所示。

圖5　數(shù)據(jù)采集節(jié)點網(wǎng)絡(luò)流程圖Fig.5　Network flowchart of data collection node

2　試驗結(jié)果與分析

2.1　試驗材料

試驗時間為2016年7月2—9日，試驗地點位于北京中關(guān)村生命科學(xué)園先正達試驗連棟玻璃溫室內(nèi)，試驗選用直徑為26.5 mm，高度為33.0 mm的盆栽花盆進行栽培種植，栽培基質(zhì)包含KLASMANN草炭、神農(nóng)草炭和珍珠巖，比例為4∶4∶1，底肥使用奧綠緩釋肥，其中氮磷鉀的比例為15∶9∶12。試驗樣本分布為15×3(行×列)，總計45棵。當玉米植株生長到V4期，進行15個梯度的干旱脅迫處理，具體方案為：第1天，第15行停止?jié)菜坏?天，第14行停止?jié)菜藭r第15行停止?jié)菜? d；第3天，第13行停止?jié)菜藭r第15行停止?jié)菜? d，第14行停止?jié)菜? d，依此類推直到第2行結(jié)束，第1行作為參照不做脅迫處理。

為了分析不同展開葉和相同展開葉不同葉位厚度變化導(dǎo)致光程不同對試驗結(jié)果的影響，每棵玉米植株均選取頂端倒一葉(葉1)和倒二葉(葉2)完全展開葉作為試驗樣本，在每個葉片樣本一側(cè)選取上中下3個部位，每個部位長10 cm，分別測量3個部位的光譜數(shù)據(jù)和含水率。

2.2　光譜數(shù)據(jù)采集

試驗從第15行開始依次采集光譜數(shù)據(jù)和水分數(shù)據(jù)采集，利用植物含水率檢測儀檢測裝置，采集植物葉片透射光譜數(shù)據(jù)，考慮葉片每個部位為長10 cm的區(qū)域，故在每個部位隨機均勻采集5個點的光譜數(shù)據(jù)，將5點數(shù)據(jù)取平均作為該部位光譜值。

2.3　鮮重含水率

葉片鮮重含水率采用干燥稱量法測量。將葉片檢測部位沿葉脈剪下，剪取上中下3個10 cm的長條，采用精度為千分位的電子秤稱量葉片質(zhì)量，記為新鮮葉片質(zhì)量mF，再將葉片放入無菌水中飽和吸水24 h，放入溫度為80 ℃的恒溫箱中干燥至恒定質(zhì)量，取出稱量記為mD。鮮重含水率計算公式為

(3)

2.4　數(shù)據(jù)統(tǒng)計分析

由于稱量過程中的失誤，有9個樣點沒有得到數(shù)據(jù)，最終的樣本總數(shù)為261。

為了盡可能避免不同展開葉結(jié)構(gòu)和葉位的厚度導(dǎo)致的光程不同對實驗結(jié)果的影響，分別對不同采集部位的鮮重含水率進行統(tǒng)計分析，結(jié)果如表1所示。葉1和葉2的含水率均值與總體樣本均值為77.5%(葉1)、77.3%(總體)、77.1%(葉2)，葉1與葉2分別為倒1和倒2展開葉，由于植株體水分由根部向上輸送，葉片頂端蒸騰作用會導(dǎo)致葉1水分參數(shù)變化較為顯著；盡管倒2葉水分較總體均值低，但數(shù)據(jù)較為穩(wěn)定。依照葉片部位分析，部位1、部位2和部位3平均含水率分別為77.6%、77.3%和77.0%，部位1含水率均值大于等于總體樣本均值(77.3%)，部位2與總體樣本值相等，部位3較總體樣本值低。同時部位2含水率的最大最小值也與樣本總體值相差較小，這一結(jié)果說明該部位更能代表整體植株含水率。綜上，在使用儀器測量時應(yīng)盡量選擇葉2部位2的位置，即倒二葉中間部位。

表1　不同部位鮮重含水率統(tǒng)計分析結(jié)果Tab.1　Statistical analysis result of fresh moisture content in different parts　%

2.5　透射率隨含水率變化趨勢分析

分析透射光信號隨含水率變化的趨勢，繪制總體樣本鮮重含水率和透射率的散點圖如圖6所示。總體而言，T980和T890隨含水率變化呈V型趨勢，既在70%～80%含水率內(nèi)透射率隨含水率的增加呈現(xiàn)下降趨勢，在含水率80%附近出現(xiàn)拐點，當含水率在80%以上時，透射率隨著含水率增加而增加。分析出現(xiàn)拐點的可能原因：一方面含水率對近紅外光譜的吸收存在飽和效應(yīng)，另一方面含水率濃度增加，葉片內(nèi)部其他元素含量被稀釋，依據(jù)±10 nm的帶寬，實際上該波段內(nèi)的光譜響應(yīng)是包含水分在內(nèi)的多種元素吸收的綜合作用，當其他元素在該整體范圍的吸收作用降低后，假設(shè)以葉片為容器，容器中水份含量越高，小光程下透光性越高，因此隨著含水率的增加其透射光譜反而呈上升趨勢。由此認為該儀器對玉米葉片含水率的檢測限在70%～80%之間。又因為在實際控水處理中，植物在含水率70%～80%之間時已屬于缺水狀態(tài)，且影響植物正常生長，故而，以下針對玉米葉片含水率的檢測精度和檢測模型均在含水率在70%～80%范圍進行討論。

圖6　總體樣本鮮重含水率與透射率散點圖Fig.6　Scatter plot of fresh water content and transmittance of all samples

2.6　玉米葉片含水率檢測

基于采集雙路透射光，為了降低單一波段透射光譜易受葉片質(zhì)地結(jié)構(gòu)和葉片厚度干擾的影響，對兩個波長數(shù)據(jù)進行植被指數(shù)計算，計算了比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)、歸一化差異植被指數(shù)(NDVI)和調(diào)整型歸一化植差異水分指數(shù)(MNDWI)等6個參數(shù)，計算公式如表2所示。

針對70%～80%含水率范圍內(nèi)的玉米葉片樣本分析。該范圍內(nèi)樣本點總數(shù)為199個，含水率均值為75.9%，最大值為80%， 最小值為70%。

表2　植被指數(shù)計算公式Tab.2　Vegetation index calculation formula

注：Xnir是980 nm透射率，Xred是890 nm透射率。

首先討論儀器采集數(shù)據(jù)對含水率的分辨率。干旱脅迫處理所得樣本點之間含水率差異性不明顯，故以千分位含水率為目標(‰)，研究討論對所采集葉片水分含水率數(shù)據(jù)進行聚類分析，分別按0.1%、0.2%、0.3%聚類。各植被指數(shù)與不同聚類精度下的含水率進行相關(guān)性分析，結(jié)果如表3所示。

由表3可知，分別按0.1%、0.2%、0.3%聚類，總體而言，T890和T980在不同聚類水平下均與含水率呈負相關(guān)，隨聚類增加相關(guān)系數(shù)值增大，且相關(guān)系數(shù)絕對值均高于0.60。當含水率聚類精度為0.3%時，T890和T980相關(guān)系數(shù)達到-0.91和-0.81，說明當含水率聚類精度為0.3%時儀器預(yù)測模型結(jié)果可以達到最佳。與T890和T980相比，構(gòu)建的植被指數(shù)的相關(guān)性均較低，除了MNDWI相關(guān)系數(shù)較高之外，其他指數(shù)沒有達到理想的結(jié)果，說明下一步需要構(gòu)建新的植被指數(shù)提高預(yù)測精度。

表3　植被指數(shù)與不同聚類精度下的含水率相關(guān)性分析Tab.3　Correlation analysis between vegetation index and moisture content under different clustering accuracies (r)

精度為0.3%時的含水率與透射率T890、T980和MNDWI植被指數(shù)進行多元回歸建模，分別隨機均勻抽取建模集21個和驗證集10個樣本，所得模型公式為

y=2.46-9.17T890+5.12T980-2.25MNDWI

(4)

圖7　含水率真實值與預(yù)測值散點圖Fig.7　Scatter plot of true value and predicted value of water content

3　結(jié)論

(1)基于朗伯比爾定律，設(shè)計了密閉夾持葉室結(jié)構(gòu)，對(890±10) nm和(980±10) nm兩路透射光信號進行采集、處理和發(fā)送，基于ZigBee無線傳感網(wǎng)絡(luò)與數(shù)據(jù)接收節(jié)點進行通信。通過對倒一葉、倒二葉鮮重含水率統(tǒng)計特性分析發(fā)現(xiàn)，倒二葉葉中部位與樣本總體鮮重含水率最為接近，同時為避免葉片厚度導(dǎo)致光程影響，應(yīng)用時推薦選用倒二葉中間部位進行檢測。

(2)隨著鮮重含水率增加，T980和T890隨含水率變化呈V型趨勢，既在70%～80%含水率內(nèi)透射率隨含水率的增加呈現(xiàn)下降趨勢，在含水率80%附近出現(xiàn)拐點，當80%以上時透射率隨著含水率增加而增加，說明該儀器目前針對含水率70%～80%檢測效果最佳。

1段萌，楊偉才，毛曉敏. 覆膜條件下水分虧缺對春小麥光合特性影響及光響應(yīng)模型比較研究[J/OL].農(nóng)業(yè)機械學(xué)報,2018，49(1):219-227. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20180127&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2018.01.027.

DUAN Meng, YANG Weicai, MAO Xiaomin. Effects of water deficit on photosynthetic characteristics of spring wheat under plastic mulching and comparison of light response curve models[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2018，49(1):219-227. (in Chinese)

2邱兆美, 趙龍, 毛鵬軍,等. 不同缺水量對作物生理指標的影響研究[J]. 中國農(nóng)機化學(xué)報, 2016, 37(4):260-263.

3BITA C E, GERATS T. Plant tolerance to high temperature in a changing environment: scientific fundamentals and production of heat stress-tolerant crops[J]. Frontiers in Plant Science, 2013, 4(4):273.

4BOUGHALLEB F, ABDELLAOUI R, BRAHIM N B, et al. Growth, photosynthesis, water use efficiency, and osmoregulation of the wild species Astragalusgombiformis, Pomel. Under water deficit[J]. Brazilian Journal of Botany, 2016, 39(1):147-156.

5WANG X, VIGNJEVIC M, LIU F, et al. Drought priming at vegetative growth stages improves tolerance to drought and heat stresses occurring during grain filling in spring wheat[J]. Plant Growth Regulation, 2015, 75(3):677-687.

6李昊, 王忠義, 王建旭,等. 鮮豬肉水分近紅外光譜在線檢測方法研究[J]. 現(xiàn)代科學(xué)儀器, 2014(4):91-99.

7朱麗偉, 馬文廣, 胡晉,等. 近紅外光譜技術(shù)檢測種子質(zhì)量的應(yīng)用研究進展[J]. 光譜學(xué)與光譜分析, 2015, 35(2):346-349.

ZHU Liwei, MA Wenguang, HU Jin,et al. Advances of NIR spectroscopy technology applied in seed quality detection[J]. Spectroscopy and Spectral Analysis, 2015, 35(2):346-349.(in Chinese)

8WU X, WU B, SUN J, et al. Classification of apple varieties using near infrared reflectance spectroscopy and fuzzy discriminant c-means clustering model[J]. Journal of Food Process Engineering, 2017,40(2):e12355.

9薛俊杰, 韓魯佳,楊增玲,等. 玉米秸稈飼料營養(yǎng)成分NIRS在線檢測[J/OL]. 農(nóng)業(yè)機械學(xué)報,2016,47(7):216-223. http:∥www.j-csam.org/jcsam/ch/read er/ view_abstract.aspx?file_no=20160730&flag=1.DOI:10.6041/j.issn.1000-1298.2016.07.030.

XUE Junjie, HAN Lujia, YANG Zengling, et al.On-line measurement of nutrient content of corn stover using NIRS [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016,47(7):216-223 (in Chinese)

10HOLBEN B, SCHUTT J B, Mc MURTREY J. Leaf water stress detection utilizing thematic mapper bands 3, 4 and 5 in soybean plants[J]. International Journal of Remote Sensing, 1983, 4(2):289-297.

11INOUE Y, MORINAGA S, SHIBAYAMA M. Non-destructive estimation of water status on intact crop leaves based on spectral reflectance measurements[J]. Japanese Journal of Crop Science, 1993, 62(3):462-469.

12嚴衍祿. 近紅外光譜分析的原理、技術(shù)與應(yīng)用[M]. 北京：中國輕工業(yè)出版社, 2013.

13李民贊. 光譜分析技術(shù)及其應(yīng)用[M]. 北京：科學(xué)出版社, 2006.

15王紀華, 趙春江, 郭曉維,等. 用光譜反射率診斷小麥葉片水分狀況的研究[J]. 中國農(nóng)業(yè)科學(xué), 2001, 34(1):104-107.

WNAG Jihua, ZHAO Chunjiang,GUO Xiaowei, et al. Study on the water status of the wheat leaves diagnosed by the spectral reflectance[J]. Scientia Agricultura Sinica, 2001, 34(1):104-107. (in Chinese)

16周順利, 謝瑞芝, 蔣海榮,等. 用反射率、透射率和吸收率分析玉米葉片水分含量時的峰值波長選擇[J]. 農(nóng)業(yè)工程學(xué)報, 2006, 22(5):28-31.

ZHOU Shunli, XIE Ruizhi, JIANG Hairong, et al. Selection of the wavelengths of peak values in analyzing leaf water status by using leaf reflectance, transmittance and absorptance in corn plants[J].Transactions of the CSAE, 2006, 22(5): 28-31. (in Chinese)

17劉潔, 李小昱, 李培武,等. 基于近紅外光譜的板栗水分檢測方法[J]. 農(nóng)業(yè)工程學(xué)報, 2010, 26(2):338-341.

LIU Jie, LI Xiaoyu, LI Peiwu, et, al. Determination of moisture in chestnuts using near infrared spectroscopy[J]. Transactions of the CSAE, 2010, 26(2): 338-341. (in Chinese)

18GAO B C. NDWI—a normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment, 1996, 58(3):257-266.

20程曉娟, 楊貴軍, 徐新剛,等. 新植被水分指數(shù)的冬小麥冠層水分遙感估算[J]. 光譜學(xué)與光譜分析, 2014, 34(12):3391-3396.

CHENG Xiaojuan, YANG Guijun, XU Xin’gang,et,al. Estimating canopy water content in wheat based on new vegetation water index[J]. Spectroscopy and Spectral Analysis, 2014,34(12):3391-3396.(in Chinese)

21白路軍.近紅外水分檢測儀研究[D].沈陽：東北大學(xué), 2013.

BAI Lujun. Research of near infrared moisture detector[D].Shenyang:Northeastern University,2013.(in Chinese)

22韓書慶, 于渤, 孫明,等. 便攜式葉綠素、氮素、水分一體化測定儀設(shè)計[J]. 農(nóng)業(yè)機械學(xué)報, 2009, 40(增刊):256-259.

23JIA J, JI H. Plant leaf water detection instrument based on near infrared spectroscopy[M]∥Computer and Computing Technologies in Agriculture V. Springer Berlin Heidelberg, 2012:20-27.