基於多光譜圖像特徵的土壤酸鹼度快速檢測方法
2023-05-28 12:52:36 2
基於多光譜圖像特徵的土壤酸鹼度快速檢測方法
【專利摘要】本發明公開了一種基於多光譜圖像特徵的土壤酸鹼度快速檢測方法,其特徵在於,所述方法包括以下步驟:(1)利用2CCD攝像機採集可見光通道和近紅外通道的土壤樣本圖像和參考白板圖像;(2)將土壤可見光圖像分別轉換至RGB顏色空間和HIS顏色空間;(3)將參考白板的可見光圖像分別轉換至RGB顏色空間和HIS顏色空間;(4)計算每個樣本的6個特徵值Ravgi、Gavgi、Bavgi、Havgi、Savgi、IRavgi;(5)將所述的6個特徵值作為自變量,土壤酸鹼度作為因變量Y,建立一個多元線性回歸方程Y=6.492+0.688Ravgi-1.440Gavgi+0.858Bavgi+645.547Havgi-0.623Savgi-0.115IRavgi,即可預測土壤酸鹼度。本發明方法能夠快速預測土壤酸鹼度,適合可攜式檢測儀器開發使用。
【專利說明】基於多光譜圖像特徵的土壤酸鹼度快速檢測方法
【技術領域】
[0001]本發明屬於農業信息化領域,具體涉及一種基於多光譜圖像特徵的土壤酸鹼度快速檢測方法。
【背景技術】
[0002]土壤酸鹼度是土壤屬性的重要特徵,不僅影響土壤生物活性,而且與土壤養分的形成、轉化、有效性及作物生長發育密切相關。傳統的土壤酸鹼度測定主要以比色法和電位法為主,這兩種方法測定步驟較為複雜、測定時間較長、需要使用化學試劑,不適合大規模快速測定要求。近年來,多光譜圖像技術正被越來越多地應用於土壤養分測試。由於土壤酸鹼度對多光譜圖像具有選擇性吸收特性,因此利用多光譜圖像可以快速測定土壤酸鹼度。
【發明內容】
[0003]本發明針對傳統土壤酸鹼度測試方法步驟複雜、測試周期長、需用使用化學試劑等缺點,提供了一種基於多光譜圖像特徵的土壤酸鹼度快速檢測方法。
[0004]基於多光譜圖像特徵的土壤酸鹼度快速檢測方法,包括以下步驟。
[0005](I)利用2CXD攝像機採集可見光通道和近紅外通道的土壤樣本圖像和參考白板圖像。
[0006](2)將土壤可見光圖像分別轉換至RGB顏色空間和HIS顏色空間,記為民、Gi, Bi,故、Sp Ii,其中i是每個樣本的編號,Ri乂士、故、Sp像素矩陣;近紅外圖像記為IRi,其中i為每個樣本的編號,IRi是mXn像素矩陣。
[0007](3)將參考白板的可見光圖像分別轉換至RGB顏色空間和HIS顏色空間,記為Rref、Gref> Bref> Href> Sref> Irrf,其中 Rref、Gref> Bref> Href> Sref> Iref 均為 mXn 像素矩陣;近紅外圖像記為IRref,其中IRref是mXη像素矩陣。
[0008](4)計算每個樣本的6個特徵值。所述6個特徵值Ravg1、Gavg1、Bavg1、Havg1、SavgiURavgi的計算公式分別為=Ravgi= (Σ R1-Σ Rref) /mXn, Gavgi= (ΣG1-ΣGref) /mXn, Bavgi= (ΣB1-Σ Bref) /mXn, Havgi= (ΣΗ「ΣHref)/mXn,Savgi=(XS1-XSref)ZmXn, IRavgi= (Σ IR1-Z IRref)/mXn,
中i是每個樣本的編號。式中,SRi是第i個土壤樣本R通道Ri矩陣中m行η列數據的總和;SGi是第i個土壤樣本G通道Gi矩陣中m行η列數據的總和;SBi是第i個土壤樣本B通道Bi矩陣中m行η列數據的總和;Σ Hi是第i個土壤樣本H通道Hi矩陣中m行η列數據的總和;Σ Si是第i個土壤樣本S通道Si矩陣中m行η列數據的總和;Σ IRi是第i個土壤樣本IR通道IRi矩陣中m行η列數據的總和;Σ Rref是參考白板R通道Rref矩陣中m行η列數據的總和;Σ Gref是參考白板G通道Gref矩陣中m行η列數據的總和;Σ Bref是參考白板B通道矩陣中m行η列數據的總和;Σ Href是參考白板H通道Href矩陣中m行η列數據的總和;Σ Sref是參考白板S通道SMf矩陣中m行η列數據的總和;Σ IRref是參考白板IR通道IRm矩陣中m行η列數據的總和。
[0009](5)將所述的6個多光譜圖像特徵值作為自變量,土壤酸鹼度(pH)作為因變量,建立多元線性回歸方程 Υ=6.492+0.688 Ravg1-L 440 Gavgi+0.858 Bavgi+645.547 Havg1-0.623Savg1-0.115IRavgi,即可預測土壤酸鹼度。
[0010]與現有技術相比,本發明有益的效果在於:(I)相比於傳統比色法和電位計法,採用多光譜圖像特徵測定土壤酸鹼度,檢測速度更快、操作更加簡單;(2)採用基於多光譜圖像特徵的多元線性回歸方程,適合可攜式檢測儀器的設計,可使成本更加低廉。
【專利附圖】
【附圖說明】
[0011]圖1為實施例中建模集樣本的土壤酸鹼度的實測值和計算值的散點分布圖。
[0012]圖2為實施例中預測集樣本的土壤酸鹼度的實測值和計算值的散點分布圖。
【具體實施方式】
[0013]下面結合實施例和附圖對本發明作進一步說明。
[0014]基於多光譜圖像特徵的土壤酸鹼度快速檢測方法,包括以下步驟。
[0015](I)收集具有代表性的土壤樣品共103個,將樣品磨碎風乾後,以I mol/L的KCL溶液為浸提劑,採用電位法獲取土壤酸鹼度(PH)的實際值。將103個樣本按pH值的高低進行排序,然後按照2:1的比例,依次取出樣本分別作為建模集和預測集(如表1)。
[0016]表1 土壤典型樣本酸鹼度
【權利要求】
1.基於多光譜圖像特徵的土壤酸鹼值快速檢測方法,其特徵在於:所述方法包括以下步驟: (1)利用2CXD攝像機採集可見光通道和近紅外通道的土壤樣本圖像和參考白板圖像; (2)將土壤可見光圖像分別轉換至RGB顏色空間和HIS顏色空間,記為RpGi, Bi, Hi,S。Ii,其中i是每個樣本的編號,Ri^Gi, Bi, Hi, Si, Ii均為mXn像素矩陣;近紅外圖像記為IRi,其中i為每個樣本的編號,IRi是!!!※!!像素矩陣; (3)將參考白板的可見光圖像分別轉換至RGB顏色空間和HIS顏色空間,記為RMf、GMf、Bref> Href, Sref, Iref,其中 Rref、Gref, Bref, Href, Sref, Iref 均為 mXn 像素矩陣;近紅外圖像記為IRref,其中IRref是mXn像素矩陣; (4)計算每個樣本的6個特徵值;所述6個特徵值Ravg1、Gavg1、Bavg1、Havg1、Savgi,IRavgi的計算公式分別為=Ravgi=(SR1-XRref)ZmXn, Gavgi= (Σ6「ΣGref)/mXn,Bavgi= (ΣΒ「ΣBref)/mXn, Havgi= (ΣΗ「ΣHref)/mXn,Savgi=(XS1-XSref)ZmXn, IRavgi= (Σ IR1-Z IRref)/mXn,中i是每個樣本的編號;式中,SRi是第i個土壤樣本R通道Ri矩陣中m行η列數據的總和;SGi是第i個土壤樣本G通道Gi矩陣中m行η列數據的總和;SBi是第i個土壤樣本B通道Bi矩陣中m行η列數據的總和;Σ Hi是第i個土壤樣本H通道Hi矩陣中m行η列數據的總和;Σ Si是第i個土壤樣本S通道Si矩陣中m行η列數據的總和;Σ IRi是第i個土壤樣本IR通道IRi矩陣中m行η列數據的總和;Σ Rref是參考白板R通道Rref矩陣中m行η列數據的總和;Σ Gref是參考白板G通道Gref矩陣中m行η列數據的總和;Σ Bref是參考白板B通道矩陣中m行η列數據的總和;Σ Href是參考白板H通道Href矩陣中m行η列數據的總和;Σ Sref是參考白板S通道SMf矩陣中m行η列數據的總和;Σ IRref是參考白板IR通道IRm矩陣中m行η列數據的總和;
(5)將所述的6個多光譜圖像特徵值作為自變量,土壤酸鹼度(pH)作為因變量,建立多元線性回歸方程 Υ=6.492+0.688 Ravg1-L 440 Gavgi+0.858 Bavgi+645.547 Havg1-0.623Savg1-0.115IRavgi,即可預測土壤酸鹼度。
【文檔編號】G01N21/27GK103926204SQ201410200103
【公開日】2014年7月16日 申請日期:2014年5月13日 優先權日:2014年5月13日
【發明者】不公告發明人 申請人:泰順派友科技服務有限公司