植物叶面积无损测量方法及仪器开发

植物叶面积无损测量方法及仪器开发聂鹏程Ｌ２，杨燕１’３，刘飞１，郑金土４，何勇燃（１．浙江大学生物系统工程与食品科学学院，杭州３１００２９；２．南昌航空大学信息工程学院，南昌３３００６９；３．广西师范学院数学科学学院，南宁５３００２３；４．宁波市林特科技推广中心，宁波３１５０１２）摘要：为了快速、无损、准确地测量植物叶面积，设计了一种利用多晶硅光电感应板与平板均匀发光光源照射系统构成的叶面积测量装置。通过试验，建立了植物叶片叶面积与光源光强、光源对叶片透射率、环境温度、光电感应板的光电感应电压值间的ＢＰ神经网络关系。结果表明：该仪器可测量不同形状、厚度、软硬程度、叶片大小的植物叶片面积，模型预测值与实际值决定系数Ｒ２为Ｏ．９８，测量精度为９４．８％，为叶片叶面积测量提供了一种新的测量方法和装置。关键词：神经网络，无线网络，仪器，植物叶面积，无损检测ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００２—６８１９．２０１０．０９．０３４中图分类号：￥２４文献标志码：Ａ文章编号：１００２—６８１９（２０１０）－０９－０１９８－０５ＮｉｅＰｅｎｇｃｈｅｎｇ，ＹａｎｇＹａｎ，ＬｉｕＦｅｉ，ｅｔ聂鹏程，杨燕，刘飞，等．植物时面积无损测量方法及仪器开发［Ｊ】．农业工程学报，２０１０，２６（９）：１９８－－２０２．ａ１．Ｍｅｔｈｏｄｏｆｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔｆｏｒｐｌａｎｔｌｅａｆａｒｅａａｎｄｉｔｓｉｎｓｔｒｕｍｅｎｔＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈｄｅｖｅｌｏｐｍｅｎｔ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣＳＡＥ，２０１０，２６（９）：１９８－－２０２．（ｉｎａｂｓｔｒａｃｔ）０引言植物叶面积是衡量作物群体结构的重要指标之一，是植物生长状态诊断及其生长预测模型中重要的参数之一，也是实际管理的重要依据【ｌ引。叶面积也是影响植物光合作用的一个重要因素，与植物氮含量也存在一定的相关性。马新明等【４】提出了叶面积与变量施氮间的关系，建立了相应的模型并得到较好的验证。另外，叶面积是体现作物生长发育和生理生态的重要指标，也是研究作物栽培、遗传育种等必需参考的因素【５】。因此，快速准确地测量植物叶面积能够有效地提高研究效率。随着科技的发展，植物叶面积测量由最初的坐标纸法、系数法、复印称重法、器测法、估计法等【６】传统手段到利用计算机技术检测叶面积，测量精度和可靠性有了较大的提高。利用计算机检测目前主要有计算机图像检测和光谱扫描等方法【７｛】，Ｓ．Ｍａｌｏｎｅ、左欣等分别提出了一种基于图像处理的叶面积测量方法【９．１０１。该方法测量叶面积精度高，且无破坏性。但是图像的获取操作比较复杂，每一次拍摄图片均须要在等距离检测位置处获取叶片图像。操作困难，测量可靠性差且成本较高。马泽清【ｌｌ】等提出了利用Ｃ１２１１０冠层分析仪、鱼眼镜头数码照片影像分析方法测量叶片面积，该方法克服了普通成像图像处理测量法存在的弊端，但成本高，操作过程复杂，推广比较困难。冯冬霞【１２】研究了一种高精度便携式光电扫描式叶面积仪，在测量精度方面有较大的提高，但外界因素对精度影响较大。因此，开发一台便携式的使用简单、性能可靠、测量精度高、成本低的植物叶面积测量仪具有重要意义。本文提出了一种新的测量方案，并开发了相应的测量仪器。利用双晶硅光电感应板和平面发光板构成检测系统，采用标准计算法和仪器实际所测得的各项参数建立ＢＰ神经网络模型，通过模型运算得出被测叶片面积。１仪器整体设计１．１仪器检测原理与结构设计叶面积检测原理如图ｌ所示，实物图如图２所示。仪器感光板尺寸为２４５ｍｍＸ３５０ｔｏｎｉ，均匀发光板与多晶硅光电传感器相对。多晶硅光电感应板在光源照射下产生一定的感应电压，当夹入植物叶片时，叶片将部分照射光线遮挡，光电感应板的感应电压也随之变化，利用挡光程度与光电感应电压值的大小关系计算被测叶面积大小。但由于光源针对不同种类、不同厚度、不同颜色的植物叶片透光率不同，且多晶硅光电感应板的光电效应与温度也存在一定关系［１３－１４】，因此，要利用上述原理准确测量植物叶片面积，必须考虑到光源对叶片的透射率与测量时多晶硅光电感应板的温度系数。为了克服上述因素的影响，将光电传感器５作为光源光强传感器，实时检测平板光源的发光光强蜀；光电传感器４作为透光率传感器置于多晶硅光电感应板正中心位置，用于检测仪器对被测叶片的透光率局。温度传感器３置于多晶硅光电传感板上，检测得温度系数为为，光电感应板所测得的电压ＡＤ转换值为五，将上述参数收稿日期：２００９．１２－２６修订日期：２０１０－０９．１０基金项目：国家高技术研究发展计划（“８６３”计划）项目（２００７ＡＡｌ０７．２１０）：国家农业科技成果转化基金项目（２００９ＧＢ２３６００５１７）；公益性行业（农业）科研专项（２００８０３０３７）；浙江省自然科学基金重点项目（７－．３０９０２９５）ｌ宁波市重大科技攻关项目（００７Ｃ１００３４）资助作者简介：聂鹏程（１９８２一），男，湖北通城人，博士生，主要从事农业仪器与智能化装备研究。杭州浙江大学生物系统工程与食品科学学院，３１００２９※通信作者：何勇（１９６３一），男，浙江慈溪人，教授，博士，博士生导师，主要从事数字农业及３Ｓ技术研究．杭州浙江大学生物系统工程与食品科学学院，３１００２９万方数据第９期聂鹏程等：植物叶面积无损测量方法及仪器开发１９９通过传感器检测后作为变量置于模型中，通过建立人工神经网络模型克服各因素对测量结果的干预。１．均匀发光板２．多晶硅光电感应板３．温度传感器４．透光率传感器５．光源光强传感器６．被测叶片图ｌ仪器光电测量原理结构Ｆｉｇ．１Ｓｌａａ＿ｌｅｔｕｒｅｏｆｏｐｔｉｃａｌｍｅａｓｕｒｉｎｇｐｒｉｎｃｉｐｌｅｏｆｉｎｓｌｌｕｍｅｎｔ图２仪器实物图Ｆｉｇ．２Ｐｉｃｔｕｒｅｏｆｉｎｓｔｒｕｍｅｎｔｉｎｔｈｉｓｐａｐｅｒ１．２仪器硬件电路设计根据叶面积测量原理，采用ＡＲＭＣｏｒｔｅｘＭ３内核的ＳＴＭ３２Ｆ１０３ＺＥＴ６芯片为仪器核心，光电感应板电压信号、温度传感器信号、光源对叶片透光率传感器信号、光源光强信号通过８路电子选通开关进行选择性采样，经１６位ＡＤ转换芯片ＡＤ７７０５将相应传感器信号进行ＡＤ转换，各路采集信号通过ＢＰ网络运算后将测量结果显示在ＬＣＤ显示屏上。并将测量结果保存到ＦＬＡＳＨ存储器中，可通过ＵＳＢ接口与ＰＣ机通讯并进行数据读取，也可将测量结果通过无线模块发送给ＰＣ机。具体硬件结构框图如图３所示。透光率传感器ｌｌ温度传感器ＩＩ光电感应板Ｉｌ光强传感器信号调理电路Ｈ８路数据选通开关竺：：！！竺堕堡俐ｃＰＵ厅磊五飞ｄ洲３２ｎ０３ｚＩ蕊爵Ｕ蹦瓣竺塑磊揖翮图３仪器硬件电路框图Ｆｉｇ．３Ｈ盯ｄｗａｒｅｓｔｒｕｃｔｕｒｅｏｆｉｎｓｔｒｕｍｅｎｔ万方数据１．３仪器软件设计本文研制的叶面积测量仪系统软件以模块化程序设计思想编程，通过系统结构主程序调用方式实现测量和数据处理等操作。主要分为以下几个模块：ＡＤ数据采集模块；无线数据传输模块；模型运算处理模块；人机交互模块；ＦＬＡＳＨ存储器读写模块，通过系统主程序流程进行管理调控，主程序流程图如图４所示。开始ＩＩ返回ＩＩ返回仪器预热畜际赢回蒜ｌ存‘储并显示ｌＩ竺！兰！ｌｌ求平均值仪器开机自动梭准ＩＩ璺型！兰到ｌ竺塑堡竺Ｉｌ圭！塑墨ｌＩ返回调键扫子程序ＡＤ采样ＩＩＵＳＢ通信ＩＪ查看ｌＩ无线发送无键按下图４仪器软件主流程图Ｆｉｇ．４Ｍａｉｎｓｏｆｔｗａｒｅｆｌｏｗｃｈａｒｔｏｆｉｎｓｔｒｕｍｅｎｔ仪器开机预热后进入待测状态。用户按键选择各项操作，仪器进入测量程序后，用户可执行多次测量并取平均值。通过选择其它按键可分别执行数据查看、ＵＳＢ与ＰＣ机接口通信、无线数据发送等操作。２测量模型的建立２．１试验方法本文采用１．２节中提出的原理方案进行试验，具体方案为：采集桑树叶、枫叶、香樟树叶、葫芦藓叶片各５０片，共２００片叶片。其中１６０个样本用于训练ＢＰ网络，４０个样本用于模型预测。利用美国ＡＲＥＡＭＥＴＥＲ公司生产的ＣＩＤ—ＣＩ－２０３高精度叶面积仪测量样本面积Ｙｓ并记录。将制备好的样本置于仪器测量位置处，通过ＡＤ转换获取每个样本的透光率参数和感光电压参数、测量温度数据并记录，并建立这些数据量之间的映射表。通过改变测量环境的温度，重复上述实验，并记录相关数据，建立数据映射表。２．２模型建立人工神经网络技术［１５－１７１是以生物神经网络原理为基础，模拟人脑行为的一种并行信息处理方法。本文根据实际须求选用ＢＰ网络。ＢＰ网络结构如图５所示，它由输入层、隐含层和输出层组成。采用具有一定阈值特性的可连续微分的Ｓｉｇｍｏｉｄ函数作为神经元的激发函数ｆ（ｘ）＝专（１）式中：＿『《曲——神经元的非线性作用函数；工——神经元的连接权。分析测量本仪器测量叶面积指数的各种影响因素，分别把墨、五、玛、局作为输入神经元，Ｅ作为输出神２００农业工程学报２０１０住经元。从现有射表中提取１６０组数据作为训练样本，并分别进行训练，获得各自的连接权值和阈值。存储连接权系数，构成模型知识库，并将知识库移植到仪器系统软件中。中间层输出层图５ＢＰ神经网络结构图Ｆｉｇ．５ＢＰｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｄｉａｇｒａｍ３试验结果３．１ＢＰ神经网络模型的处理结果在ＢＰ网络中，其中输入神经元为４个，１个输出神经元，将数据经过标准化处理后，Ｓｉｇｍｏｉｄ参数选取０．９，取４个隐含神经元，训练１０００次，得到结果如表ｌ的映射关系，由于篇幅限制，本文选取典型的１０个样本列于表１。其拟合残差值０．０００３４。表ｌ训练样本与拟合值映射表Ｔａｂｌｅ１Ｍａｐｉｎｇｔａｂｌｅｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓａｎｄｔｈｅｆｉｎｅｄｖａｌｕｅｓ从表１可以看出，ＢＰ神经网络训练后的拟合值与实际测量值准确率为９７．１％，符合仪器的检测精度。３．２ＢＰ网络运算模型的预测能力把４０个预测样本在仪器检测后的各参数输入ＢＰ神经网络进行运算，得到如图６所示的预测结果。在图６中，预测值与实际值的决定系数达到０．９８，达到测量仪器模犁预测要求。这说明：建立的ＢＰ神经网络运算模型具有较好的数据处理与预测效果，可以将模型移植到ＭＣＵ中。３．３基于ＢＰ神经网络算法的仪器测量性能将ＢＰ神经网络模型移植到仪器系统软件中后，选取３０个厚薄程度、检测温度均不相同的环境进行仪器测量试验，将测量值与美国ＡＲＥＡＭＥＴＥＲ公司生产的万方数据ＣＩＤ—ＣＩ．２０３高精度叶面积仪（测量精度为０．４ｃｍ２）测量值相比，得到如图７所示的测量值相关性。瑚啪吕姗｛趔珊翼隧＊姗地瑚啪。０１００２００３００４００５００６００７∞样本实测值／ｃ一图６ＢＰ网络模型预测结果Ｆｉｇ．６ＲｅｓｕｌｔｓｏｆＢＰｎｅｔｗｏｒｋｍｏｄｅｌｐｒｅｄｉｃｔｉｏｎ瑚鲫甚姗弋趔枷衰袜稚姗基抛啪。ｏ１００２００３００４００５００６００７００美回ＣＩＤ－ＣＩ．２０３仪测置值／ｃｍ２图７仪器实测值与实际样本叶面积的关系Ｆｉｇ．７Ｒｅｌａｔｉｏｎｓｈｉｐｏｆｔｈｉｓｉｎｓｔｒｕｍｅｎｔｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄａｃｔｕａｌｓａｍｐｌｅｓｖａｌｕｅｓ此外，针对叶面积测量的测量环境因素不一，本文设计了仪器的满量程自动校准和标准样本校准方法。测量不同大小的叶片面积时选用不同大小的校正样本，此外，仪器还具有多次测量后取平均值的功能。可将误差尽可能减小，能有效克服不同工作环境和叶片种类造成的各种测量误差。仪器在具有抗干扰能力的同时，也能将各种测量结果保存到ＦＬＡＳＨ存储器内，记录完整的测量结果，并可通过无线或ＵＳＢ口或串口发送数据，将已测信息发送给ＰＣ机。３．４仪器的精度将２０个校验叶片裁剪成不同大小的正方形或长方形样本，用游标卡尺测量样本面积。然后利用本文开发的叶面积仪器进行对比试验，实验结果如表２所示。因篇幅所限，本文列出部分样本的实际值与仪器测量值之间的关系。得出如式（２）所示的测量精度盯＝９４．８％。ｘ７２０ｏ～Ｆ２０口仃＝刍是≥善生盟×１００％（２）乙二ｑ式中：毋——叶片实际面积；唧——测量误差。第９期聂鹏程等：植物叶面积无损测量方法及仪器开发２０１表２样本实际面积与仪器测量值及误差Ｔａｂｌｅ２ＩｎｓｔｒｕｍｅｎｔｍｅａｓｕｒｅｄｖａｌｕｅｓａｎｄｅｒｒｏｒｓＳ，／ｃｍ２ｓＪＱｏｅ／ｅｒａ２剐ｃＩｌｌ２Ｓ／ｍ２ｅ／ｅｍ２２．３２．４０．１２５．８２６．９１．１６．８７．１０．２３６．０３７．５１．５１０．２９．８０．４６５．８６８．４２．９１３．４１４．２０．８８６．３８２．６３．７１４．８１５．３Ｏ．５９６．４１０１．２４．８２０．４１９．５０．９１２８．０１３３．２５－２注：＆——样本实际面积；Ｓ——仪器所测面积：ｅ——测量误差。３．５结果与讨论通过建立ＢＰ神经网络模型测量植物叶片面积不仅可以建立难于数学描述的’｛Ｆ线性系统关系，而且可通过大量样本训练消除仪器自身传感器等方面造成的系统误差，是一种较好仪器数据处理方法。由于仪器无移动部件并利用光电感应方式测量，因此，本仪器具有无损检测、使用方便等特点。本文开发的仪器与美国ＡＲＥＡＭＥＴＥＲ公司生产的ＣＩＤ．ＣＩ－２０３高精度叶面积仪相比，本文仪器可测量任何形状、卷曲程度、软硬度的叶片面积，而ＣＩＤ．ＣＩ．２０则只适合测量叶面平整、叶面较硬的叶片。且本文仪器的成本仅为ＣＩＤ—ＣＩ．２０３仪器价格的十分之一，具有明显经济性。４结论采用均匀发光板与多晶硅光电感应板测量植物叶面积的方法简单可行，利用ＢＰ人工神经网模型检测方法有效地克服了各光源强度、植物叶片厚度、颜色、测量仪器温度变化对测量精度的影响。本文仪器的测量值与实际值决定系数达到０．９８，具有较好的重复性，为植物叶面积测量提供了一种新的测量方法和测量仪器。［参考文献］ＷｉｌｈｅｌｍＷＷ，ＲｕｗｅＫＳｃｈｌｅｍｍｅｒＭＲ．Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｒｅｅｌｅａｆａｒｅａｉｎｄｅｘｍｅｔｅｒｓｉｎａｃｏｌｎｃａｎｏｐｙ［Ｊ］．ＣｒｏｐＳｃｉ，２０００．１６（４０）：１１７９一１１８３．【２】２Ｊｏｎｃｋｈｅｅｒｅ，ＦｌｅｃｋＳ，ＮａｃｋａｅｒｔｓＫｅｆａ１．Ｒｅｖｉｅｗｏｆｍｅｔｈｏｄｓｆｏｒｉｎ－ｓｉｔｕｌｅａｆａｒｅａｉｎｄｅｘｄｅｔｅｒｍｉｎａｔｉｏｎ．ＰａｒｔＩ．Ｔｈｅｏｒｉｅｓ．ｓｅｎｓｏｒｓａｎｄｈｅｍｉｓｐｈｅｒｉｃａｌｐｈｏｔｏｇｒａｐｈｙ［Ｊ］．Ａ酣ｃＦｏｒｅｓｔＭｅｔｅｏｒｏｉ，２００４，１２１（１３）：１９～３５．【３】３Ｅｗｅｒｔ，ＥｗｅｒｔＦ．ＭｏｄｅｌｌｉｎｇｐｌａｎｔｒｅｓｐｏｎｓｅｓｔｏｅｌｅｖａｔｅｄＣ０２：ｈｏｗｉｍｐｏｒｔａｎｔｉｓｌｅａｆａｒｅａｉｎｄｅｘ［Ｊ］．ＡｎｎＢｏｔ，２００４，９３（１）：６１９－－６２７．【４】马新明，张娟娟，席磊，等．基于叶面积指数（ＬＡＪ）的小麦变量施氮模型研究【Ｊ】．农业工程学报，２００８，２４（２）：２２—２６．ＭａＸｉｎｍｉｎｇ，ＺｈａｎｇＪｕａｎｊｕａｎ，ＸｉＬｅｉ，ｅｔａ１．ＶａｒｉａｂｌｅｎｉｔｒｏｇｅｎｅｒｔｉｌｉｚａｔｉｏｎｍｏｄｅｌｏｆｗｈｅａｔｂａｓｅｄｏｎＬＡＩ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣＳＡＥ，２００８，２４（２）：２２—２６．（ｉｎＣｈｉｎｅｓｅ谢ｔＩｌＥｎｇｌｉｓｈａｂｓｔｒａｃｔ）万方数据［５】ＤｉｎｇｋｕｈｎＤＥ，ＪｏｈｎｓｏｎＡ，Ｓｏｗ，ｅｔａ１．Ｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｕｐｌａｎｄｒｉｃｅｃａｎｏｐｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｗｅｅｄｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓ【Ｊ】．ＦｉｅｌｄＣｒｏｐＲｅｓ，１９９９，６ｌ（２）：７９—９５．【６］ＰａｔｒｉｃｋＭｅｉｒ，ＪｏｈｎＧｒａｃｅ，ＡｎｔｏｎｉｏＣ，ｅｔａ１．Ｐｈｏｔｏｇｒａｐｈｉｃｍｅｔｈｏｄｔｏｍｅａｓｕｒｅ也ｅｖｅｒｔｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｌｅａｆａｒｅａｄｅｎｓｉｔｙｉｎｆｏｒｅｓｔｓ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００７，１２（３）：１０５—１１１．［７】７ＮｏｒｍａｎＣ，ＭｕｒｄｏｃｋＪＭ，ＧｏｗｅｒＬＭ．Ｃｈａｒａｃｔｅｒｉｚｉｎｇｃａｎｏｐｙｎｏｎｒａｎｄｏｍｎｅｓｓｗｉｔｈａｍｕｌｔｉｂａｎｄｖｅｇｅｔａｔｉｏｎｉｍａｇｅｒ（ＭＶＩ）［Ｊ】．ＧｅｏｐｈｙｓＲｅｓ，２００２，１３（２４）：２９４５５－－２９４７３．【８】ＬｅｂｌａｎｃＳＧ，ＣｈｅｎＪＭ．ＡｐｒａｃｔｉｃａｌｓｃｈｅｍｅｆｏｒｃｏｒｒｅｃｔｉｎｇｍｕｌｔｉｐｌｅｓｃａｔｔｅｒｉｎｇｅｆｆｅｃｔｓｏｎｏｐｔｉｃａｌＬＡＩｍｅａｓｌｌｒｅｍｅｎｔｓ［Ｊ］．Ａ酊ｃ．ＦｏｒｅｓｔＭｅｔｅｏｒｏｌ，２００１，ｌ１０（２）：１２５—１３９．［９】ＭａｌｏｎｅＳ，ＨｅｒｂｅｒｔＤ八ＨｏｌｓｈｏｕｓｅｒＤＬ．ＥｖａｌｕａｔｉｏｎｏｆｔｈｅＬＡＩ．２０００ｐｌａｎｔｃａｎｏｐｙａｎａｌｙｚｅｒｔｏｅｓｔｉｍａｔｅｌｅａｆａｒｅａｉｎｍａｎｕａｌｌｙｄｅｆｏｌｉａｔｅｄｓｏｙｂｅａｎ［Ｊ］．ＡｇｒｏｎＪ，２００２，９４（４）：１０１２——１０１９．【１０］左欣，韩斌，程嘉林．基于数字图像处理的植物叶面积测量方法［Ｊ】．计算机工程与应用，２００６，２７（８）：１９４—１９６．ＺｕｏＸｉｎ，ＨａｎＢｉｎ，ＣｈｅｎｇＪｉａｌｉｎ．Ａｍｅａｓｕｒｅｍｅｎｔａｐｐｒｏａｃｈｏｆｌｅａｆａｒｅａｂａｓｅｄｏｎｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ［Ｊ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００６，２７（８）：１９４—１９６．（ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ）【１１】张全法，冯绚，何金田．植物叶片面积测量系统的设计及应用阴．河南农业大学学报，２００１，３５（４）：３８３－－３８６．ＺｈａｎｇＱｕａｎｆａ，ＦｅｎｇＸｕａｎ，ＨｅＪｉｎｔｉａ．Ｄｅｓｉｇｎａｎｄａｐｐｌｉｃａｔｉｏｎｏｆａｓｙｓｔｅｍｆｏｒｐｌａｎｔｌｅａｆａｒｅａｍｅａｓｕｒｅｍｅｎｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｅｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００１，３５（４）：３８３－－３８６．（ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ）［１２】冯冬霞．便携式叶面积仪的研制［Ｄ】．北京：中国农业大学，２００５．［１３】刘晓为，潘慧艳，揣荣岩，等．膜厚对多晶硅纳米薄膜压阻温度特性的影响【Ｊ】．传感技术学报，２００７，（１１）－２４２２－－２４２５．ＬｉｕＸｉａｏｗｅｉ，ＰａｎＨｕｉｙａｎ，ＣｈｕａｉＲｏｎｇｙａｎ，ｅｔａ１．ＴｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｉｃｋｎｅｓｓｏｎｐｉｅｚｅｒｏｓｉｓｔｉｖｅＴｅｍｐｅｒａｔｕｒｅｐｅｒｐｒｉｔｉｅｓｏｆｐｏｌｙｓｉｌｉｃｏｎｎａｎｏｆｉｌａｍｓ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｅｎｓｏｒａｎｄＡｃｔｕａｔｏｒｓ，２００７，１２（１１）：２４２２—２４２５．（ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ）［１４】ＤａｖｉｄＣＴＯｒ，ＬａｉＰＴ．Ｉｍｐｒｏｖｅｄｒｅｌｉａｂｉｌｉｔｙｆｏｒｇａｔｅｄｉｅｌｅｃｔｒｉｃｏｆｌｏｗ－ｔｅｍｐｅｒａｔｕｒｅｐｏｌｙｓｉｌｉｃｏｎｔｈｉｎ—ｆｉｌｍｔｒａｎｓｉｓｔｏｒｓｂｙＮＯ—ｐｌａｓｍａｎｉｔｒｉｄａｔｉｏｎ［Ｊ］．Ｓｏｌｉｄ—ＳｔａｔｅＥｌｅｃｔｒｏｎｉｃｓ，２００３，４７（８）：１３９１—１３９５．［１５】ＨａｍｍｅｒＭ，ＨｏｆｆｍａｎｎＭＪ．ＤｅｔａｉｌｅｄＸ－ｒａｙｄｉｆｆｒａｃｔｉｏｎａｎａｌｙｓｅｓａｎｄｃｏｒｒｅｌａｔｉｏｎｏｆｍｉｃｒｏｓｔｒｕｃｔｕｒａｌａｎｄｅｌｅｃｔｒｏｍｅｅｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆＬａ－ｄｏｐｅｄＰＺＴｃｅｒａｍｉｃｓ［Ｊ】．ＪＥｌｅｃｔｒｏｃｅｒａｍ，１９９８，１２（２）：７５—８４．［１６］ＲａｏＳＳ．ＯｐｔｉｍｉｚａｔｉｏｎＴｈｅｏｒｙａｎｄＡｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．ＮｅｗＹｏｒｋ：ＪｏｈｎＷｉｌｅｙ，１９８４．【１７】ＹｕＳｈｉｗｅｉ，ＺｈｕＫｅｊｕｎ，ＤｉａｏＦｅｎｇｑｉｎ．ＡｄｙｎａｍｉｃａｌｌｐａｒａｍｅｔｅｒｓａｄａｐｔｉｖｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｍｏｄｅｌａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｏｎｏｉｌｒｅｓｅｒｖｏｉｒｐｒｅｄｉｃｔｉｏｎ［ｊ］．ＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔａｔｉｏｎ，２００８．１９５（１）：６６—７５．２０２农业工程学报２０１０焦Ｍｅｔｈｏｄｏｆｎｏｎ－－ｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔｆｏｒｐｌａｎｔｌｅａｆｉｔｓｉｎｓｔｒｕｍｅｎｔｄｅｖｅｌｏｐｍｅｎｔａｒｅａａｎｄＮｉｅＰｅｎｇｃｈｅｎ９１，一，＇ｆａｎｇ＇ｆａｎｌ，一，ＬｉｕＦｅｉｌ，ＺｈｅｎｇＪｉｎｔｕ４，ＨｅＹｏｎ９１※（１．ＣｏｌｌｅｇｅｏｆＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＦｏｏｄＳｃｉｅｎｃｅ，Ｚｈ巧ｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２９，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆｌｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００６９，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃａｌＳｃｉｅｎｃｅｓ，ＧｕａｎｇｘｉＴｅａｃｈｅｒｓＥｄｕｃａ“ｏｎＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ５３００２３，Ｃｈｉｎａ；４．ＮｉｎｇｂｏＥｘｔｅｎｓｉｏｎＣｅｎｔｅｒｆｏｒＦｏｒｅｓｔｒｙＳｃｉｅｎｃｅｓ，Ｎｉｎｇｂｏ３１５０１０，Ｃｈｉｎａ）ｍｅａｓｕｒｉｎｇｉｎｓｔｒｕｍｅｎｔＷａｓｄｅｖｅｌｏｐｅｄｂｙｕｓｉｎｇｐｏｌｙ—Ｓｉｐｈｏｔｏｅｌｅｃｔｒｉｃｓｅｎｓｏｒｂｏａｒｄａｎｄｕｎｉｆｏｒｍｌｉｇｈｔｉｎｇｓｌａｂｗｉｔｈｌｉｇｈｔｓｏｕｒｃｅｓｙｓｔｅｍｓｆｏｒ也ｅｆａｓｔ．ｎｏｎｄｅｓｔｒｕｃｔｉｖｅａｎｄａｃｃｕｒａｔｅｍｅａｓｕｒｅｍｅｎｔｏｆｐｌａｎｔＩｅａｆａｒｅａ．ＢａｃｋＡｂｓｔｒａｃｔ：Ａｎｅｗｌｅａｆａｒｅａｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｅｒｅｕｓｅｄｔｏｄｅｖｅｌｏｐｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｌｅａｆａｒｅａｉｎｄｅｘａｎｄｌｉｇｈｔｉｎｔｅｎｓｉｔｙ，ｌｅａｆｂｏａｒｄ．Ｔｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｄｔｈａｔｔｈｉｓｔｒａｎｓｍｉｔｔａｎｃｅ．ｅｎｖｉｒｏｎｍｅｎｔａｌｔｅｍｐｅｒａｔｕｒｅ。ｖｏｌｔａｇｅｖａｌｕｅｓｏｆｐｈｏｔｏｅｌｅｃｔｒｉｃｉｎｓｔｒｕｍｅｎｔｃｏｕｌｄｍｅａｓｕｒｅｔｈｅｌｅａｆａｒｅａｗｉｔｈｄｉｆｆｅｒｅｎｔｓｈａｐｅ，ｔｈｉｃｋｎｅｓｓａｎｄｓｅｎｓｏｒｓｏｆｔｎｅｓｓ．Ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｃｏｅｍｃｉｅｎｔ（Ｒ‘）ａｂｅｔｗｅｅｎｔｈｅｍｅａｓｕｒｅｄａｎｄｐｒｅｄｉｃｔｅｄｖａｌｕｅｓｗａｓ０．９８．ａｎｄｔｈｅｍｅａｓｕｒｉｎｇａｃｃｕｒａｃｙＷａｓ９４．８％．Ｉｔｗａｓｃｏｎｃｌｕｄｅｄｔｈａｔｎｅｗｍｅａｓｕｒｉｎｇｍｅｔｈｏｄａｎｄｉｎｓｔｒｕｍｅｎｔｗｅｒｅｄｅｖｅｌｏｐｅｄｆｏｒｔｈｅｄｅｔｅｃｔｉｏｎｏｆｌｅａｆａｒｅａ．Ｋｅｙｗｏｒｄｓ：ｎｅｕｒａｌｎｅｔｗｏｒｋ，ｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋｓ，ｉｎｓｔｒｕｍｅｎｔｓ，ｐｌａｎｔｌｅａｆａｒｅａ，ｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔ万方数据http://www.grain17.com/yq_class/yq_275_1.html