Trong nghiên cứu này, một máy ảnh siêu phổ 400-1000nm đã được áp dụng và FS13, một sản phẩm của Công ty TNHH Công nghệ Quang phổ Màu Hàng Châu, có thể được sử dụng cho nghiên cứu liên quan.Dải phổ là 400-1000nm, độ phân giải bước sóng tốt hơn 2,5nm và có thể đạt tới 1200 kênh quang phổ.Tốc độ thu nhận có thể đạt 128FPS trong toàn phổ và tốc độ tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần đa vùng).
Rau diếp rất giàu protein, carbohydrate, vitamin và các chất dinh dưỡng khác, diện tích trồng rộng.Nitơ là một trong những yếu tố quan trọng nhất ảnh hưởng đến sự phát triển của rau diếp.Việc thiết lập một phương pháp nhanh chóng, hiệu quả và không phá hủy để phát hiện hàm lượng nitơ trong rau diếp là thuận tiện cho việc hướng dẫn bón phân hợp lý cho rau diếp.Hiện nay, có rất ít báo cáo về việc sử dụng công nghệ hình ảnh siêu phổ để phát hiện hàm lượng nitơ trong lá rau diếp.Trong nghiên cứu này, công nghệ hình ảnh siêu phổ được áp dụng để phát hiện không phá hủy hàm lượng nitơ trong lá rau diếp.Bằng cách nghiên cứu ảnh hưởng của các phương pháp tiền xử lý quang phổ khác nhau lên mô hình PLSB, các phương pháp tiền xử lý quang phổ thích hợp đã được chọn cho lá rau diếp và các bước sóng nhạy phù hợp để dự đoán hàm lượng nitơ trong lá rau diếp đã được tối ưu hóa.Một nỗ lực đã được thực hiện nhằm thiết lập mô hình dự đoán đơn giản và tối ưu nhất về hàm lượng nitơ trong lá rau diếp.Bộ phương pháp này chưa được báo cáo và nó cũng tạo cơ sở cho việc phát triển máy dò thành phần dinh dưỡng thực vật di động, có giá trị thực tiễn cao.
Hình ảnh siêu phổ của 60 lá rau diếp được thu thập bằng công nghệ hình ảnh siêu phổ và hàm lượng nitơ trong các lá rau diếp tương ứng được xác định bằng máy phân tích dòng chảy liên tục AutoAnalyzer3.Dữ liệu phổ trung bình của các vùng 50×50 trên bề mặt lá rau diếp sống được trích xuất bằng phần mềm ENVI.Dữ liệu phổ trung bình được trích xuất đã được xử lý trước (8 loại phương pháp tiền xử lý).Cuối cùng, dữ liệu phổ ban đầu và 8 loại dữ liệu phổ tiền xử lý được sử dụng làm đầu vào của PLSR để thiết lập 9 mô hình dự đoán về hàm lượng nitơ trong rau diếp.Bằng cách so sánh kết quả của 9 mô hình dự đoán này, mô hình dự đoán tối ưu OSC+PLSR đã được chọn và biểu đồ hệ số hồi quy của mô hình OSC+PLSR đã được phân tích.13 bước sóng nhạy được chọn và sau đó 13 bước sóng nhạy được lấy làm đầu vào PLSR.Cuối cùng, mô hình dự đoán hàm lượng nitơ trong rau diếp OSC+SW+PLSR đã được thiết lập.So với mô hình OSC+PLSR, hiệu quả dự đoán đã được cải thiện rất nhiều, có thể được sử dụng như một phương pháp mới hiệu quả, chính xác và không phá hủy để dự đoán hàm lượng nitơ trong lá rau diếp và có thể cung cấp tài liệu tham khảo cho chẩn đoán dinh dưỡng nitơ và bón phân kinh tế và hợp lý cho cây xà lách.