基於光譜技術的農作物內部信息無損檢測裝置及方法
2023-10-10 15:58:44 1
專利名稱：基於光譜技術的農作物內部信息無損檢測裝置及方法
技術領域：
本發明涉及一種檢測技術，特別是涉及一種基於光譜技術的農作物內部信息無損檢測裝置及方法。
背景技術：
氮肥是影響農作物生長發育和產量品質形成所必需的重要元素。農作物氮素營養的豐缺，會直接影響植物的生長發育，也會對農作物的品質、產量產生影響。目前普遍存在施肥過多，造成地下土壤汙染及退化，因此及時準確地監測診斷出農作物氮素狀況，進行精確施肥和灌溉，對提高農作物的水肥管理水平和利用效率具有重要意義。傳統的測試農作物氮的手段精度低，或會對農作物產生破壞而影響農作物生長，而且在取樣、測定、數據分析等方面需要耗費大量的人力、物力，時效性差，不利於推廣應·用。現代無損檢測技術為實時檢測農作物內部信息開闢了一條新的有效途徑。農作物氮營養缺乏和過剩會引起農作物生理特性、形態特徵的改變，從而引起農作物對光譜的反射特性發生改變。農作物氮素營養的葉片光譜診斷和光譜遙感診斷，便是基於農作物的反射光譜特性會因農作物氮營養水平變化而變化的原理來進行的。20世紀70年代以來，諸多學者進行了一些研究=Serrano (1995)等研究發現農作物在較高的含氮水平下，在藍色和近紅外波譜段有較強的反射率，而在較低含氮水平下，農作物在紅色波段的反射率較高。Wood (2003)等人在英國小麥高產栽培經驗的基礎上，用冠層大小(綠色面積指數GAI或群體密度P)來指示變量施肥，若當前農作物冠層大小(GAI)大於標準值，則施肥量低於標準用量；若當前農作物冠層大小(GAI)小於標準值，則施肥量高於標準用量。Fernandez等發現用紅(600nm)和綠(545nm)兩波段的線性組合可以預測小麥的氮含量，不受氮肥處理的影響。Lukina (2001)等根據產量與籽粒氮含量的相關關係預測最終的籽粒氮吸收量，從而根據籽粒氮吸收量與植株氮吸收的差值結合氮素利用率來預測施氮量。Thomas等研究了七種植物(甜瓜、玉米、黃瓜、萵苣、高粱、棉花、菸草)在不同氮素營養水平下的葉片光譜特性，發現所有植物在缺氮時其可見光波段的反射率增加，但不同植物其反射率的增加程度不一。反射率與葉綠素和類胡蘿蔔素含量呈負相關，葉綠素和類胡蘿蔔素解釋了 63. 5-95%的綠光反射率。Bonhanr-Carter等定義了以660—750nm之間一階微分光譜最大值為「紅邊」位置，並開始了 「紅邊」位置與葉綠素等色素關係的研究。Everitt等在雜草和花卉植物的研究中發現，500— 750nm反射率與植物葉片氮含量具有很高的相關性，提出550— 600nm與800— 900nm反射率的比值可以用於監測植物氮素狀況。Yoder等在楓樹研究中發現，短波紅外波段反射率的對數可以監測葉片氮含量。Stone提出用基於671nm和780nm兩波段反射率組合的植株-氮-光譜指數來估算小麥植株的全氮含量。Fourty等發現葉片反射模型反演葉片氮素含量效果小，逐步回歸被用於光譜和生化參數相關性的分析，這已經被普遍接受，但波長的選擇在不同的研究中有著並非一致的趨勢。Mercedes等利用歸一化植被指數(NDVI)值成功預測冬小麥的氮素營養狀況。以上文獻表明，農作物氮素等營養狀況與農作物的光譜信息存在著相關關係。
我國於80年代中後期相繼開展光譜遙感技術研究與應用，發展速度迅速。王紀華等(2004)考察了田間條件下冬小麥主要生育階段冠層氮素、葉綠素的垂直分布及其光譜響應。在缺肥初期即輕度氮素脅迫時，下層葉片因缺氮而引起早衰，在持續缺肥即中度脅迫時，中下層葉片均明顯衰老，田間條件下肉眼可見中下層葉片由深綠變淺綠或變黃，但此時上層葉片很少發生變化。生產上迫切需要拔節期對中下層葉片氮素或葉綠素狀況的監測來指導適時和適量施肥，而遙感獲取的冠層反射光譜信息中上層葉片的光譜貢獻率較大，中下層葉片信息量不足。薛利紅(2003)等對水稻的研究發現，葉片氮積累量(單位土地面積上的葉片氮總量)與SlOnm和560nm兩波段的比值在整個生育期內都呈極顯著線性正相關，而且不受施氮水平以及品種的影響，模擬值與實測值的相關程度在90%以上。王秀珍、王人潮(2002)將微分光譜應用於農學參數測定，存在紅邊位移的現象，紅邊參數與上層葉片的葉綠素含量、LAI有著密切的關係，而與葉片中的葉綠素b、類胡蘿蔔素之間相關性不明顯。呂雄傑(2004)等研究了水稻冠層光譜特徵及其與LAI的關係，研究結果表明隨著施氮量的增加，在近紅外部分(710nm-1220nm)，冠層光譜反射率隨著施氮水平的提高而升高，而在可見光部分(460nm-680nm)水稻冠層的光譜反射率反而逐漸降低，不同氮肥處理的
水稻LAI隨時間變化曲線大致都呈拋物線型，中低水平施氮肥水稻LAI隨時間的變化曲線比較平緩，而高水平施氮肥LAI曲線則變化比較劇烈。李映雪、朱豔(2006)等提出冠層光譜反射率在不同施氮水平下存在明顯差異，近紅外區域若干相鄰波段和可見光波段組成的比值植被指數，與單位土地面積上葉片氮積累量的相關關係均表現較好，因此可用760nm、810nm、870nm、950nm和IlOOnm反射率的平均值與660nm組成的比值植被指數對不同蛋白質類型小麥品種的葉片氮積累量進行定量監測。馮雷等(2006)利用光譜技術分析不同養分水平的油菜在生長過程中的光譜反射特徵，用包含綠、紅和近紅外三波段的成像儀對植物葉面氮素營養進行非破壞性檢測，認為綜合綠、紅和近紅外三波段的反射率數據的植被指數，能夠對油菜營養狀態進行快速檢測，建立能準確反映植物營養狀況的檢測模型，通過試驗建立了葉綠素儀數值和全氮含量在油菜中的數學關係模型，結果顯示，利用綠、紅和近紅外三通道圖像灰度和反射率關係的經驗線性標定模型分析得到的油菜植被指數與葉綠素儀數值間的線性相關係數r可以達到0.927。牛錚(2000)採用鮮葉2120、1120特徵波段研究含氮量與光譜反射率一階微分的線性回歸；Kokaly (2001)採用幹樹葉2054、2172特徵波段作光譜反射率逐步回歸研究含氮量Johnson (2001)針對多種植物的鮮葉,研究近紅外光譜與葉子含氮量的關係；王紀華(2003)利用特徵波段820-1100、1150-1300研究小麥葉片含氮量的回歸分析；張金恆(2004)採用525-605、505-655作為特徵波段，研究水稻第一和第三完全展開葉的光譜反射率與葉片含氮量的關係；Huang (2004)採用神經網絡方法、逐步回歸方法和最小二乘法研究葉片的含氮量的預測模型；Yi (2007)採用多元線性回歸和人工神經網絡方法，以700、509、383、711、698、1069作為光譜特徵波段，研究葉片含氮量。張曉東(2009)對油菜氮素與冠層光譜進行了定量分析，並對水分脅迫及光照影響的修正方法進行了基礎研究。綜上所述，以往的農作物氮素無損檢測模型都是限定於某一個生育期內，構建氮含量的預測模型，對實際使用的時候帶來不便，因為使用者得判斷當前農作物是處於哪個生育期的。
發明內容
本發明所要解決的技術問題是提供一種基於光譜技術的農作物內部信息無損檢測裝置及方法，其可以憑藉光譜信息自動判斷出農作物處於哪個生育期，氮素含量有多少，更加便於使用者使用。本發明是通過下述技術方案來解決上述技術問題的一種基於光譜技術的農作物內部信息無損檢測方法，其特徵在於，所述基於光譜技術的農作物內部信息無損檢測方法包括以下步驟SI、建立知識資料庫，對所需測定的農作物，根據其檢測標準，先請專業人員對其中一部分樣品進行感官評定，或者通過常規的實驗室理化分析，測出農作物所處的生育期，以及測的氮素，建立與各農作物樣本相關的知識資料庫；S2、進行樣本測試，在利用光譜儀器對作物進行光譜採集前，進行白板校正和標定；在自然光下，採集農作物冠層圖像數據、光譜數據到計算機中；計算機將採集到的圖像數據進行預處理，提取與訓練樣本同樣的圖像特徵；計算機將採集得到的光譜數據進行與訓練樣本同樣的波段特徵提取；計算機對所提取的圖像特徵、波段特徵與知識資料庫進行融合，利用測試樣本進行檢測試驗，給出當前測試作物樣本的氮素水分含量，檢測結果通過計算機顯示出來。優選地，所述圖像數據包括圖像的紋理特徵、形態特徵、顏色特徵。優選地，所述光譜數據在採集時，基於遺傳算法的LS-SVM回歸算法。本發明還提供一種基於光譜技術的農作物內部信息無損檢測裝置，其特徵在於包括計算機、集成攝像機、光譜儀器、探頭、輔助光源、光箱、數據線、農作物、流動分析儀，光譜儀器與流動分析儀連接，流動分析儀、集成攝像機都通過數據線與計算機連接，光譜儀器與探頭連接，集成攝像機、光譜儀器、探頭、輔助光源、農作物位於光箱內。本發明的積極進步效果在於本發明可以憑藉光譜信息自動判斷出農作物處於哪個生育期，氮素含量有多少，更加便於使用者使用，實用性強。本發明可以通過圖像技術採集得到能反應農作物外觀特徵，通過光譜技術採集得到能反應農作物內部生理信息的光譜信息，然後與知識資料庫中專家知識及之前建立的預測模型結合起來，進行作物生育期及氮素含量預測。本發明可以憑藉光譜信息自動判斷出作物處於哪個生育期，氮素含量有多少，更加便於使用者使用，實用性強。本發明可以對農作物內部氮素水分信息進行簡便、快速、客觀的檢測，便於作物氮肥管理實施，不但保證作物健康生長，而且也節省了肥料和水資源。
圖I為本發明基於光譜技術的農作物內部信息無損檢測裝置的原理框圖。圖2為本發明中標準溶液對應的校準直線圖。圖3為本發明中不同生長期水稻的氮素含量與光譜反射率的相關關係的示意圖。圖4為本發明中不同生長期水稻的含水率與光譜反射率的相關關係的示意圖。圖5為本發明中GA-LS-SVM模型回判值與真實值對比圖。圖6為本發明中LS-SVM模型回判值與真實值對比圖。
具體實施例方式下面結合附圖給出本發明較佳實施例，以詳細說明本發明的技術方案。如圖I所示，本發明基於光譜技術的農作物內部信息無損檢測裝置包括計算機I、集成攝像機2、光譜儀器3、探頭4、輔助光源5、光箱6、數據線7、農作物8、流動分析儀9，光譜儀器3與流動分析儀9連接，流動分析儀9、集成攝像機2都通過數據線7與計算機I連接，光譜儀器3與探頭4連接，集成攝像機2、光譜儀器3、探頭4、輔助光源5、農作物8位於光箱6內，農作物8可以是具有冠層的農作物，比如水稻等。光譜儀器可以是光譜分析儀。本發明基於光譜技術的農作物內部信息無損檢測方法包括以下步驟SI、建立知識資料庫，對所需測定的農作物，根據其檢測標準，先請專業人員對其中一部分樣品進行感官評定，或者通過常規的實驗室理化分析，測出農作物所處的生育期，以及測的氮素，建立與各農作物樣本相關的知識資料庫。對以上已經獲知生育期和氮素含量的樣本，進行樣本訓練建模，即計算機利用訓練樣本進行訓練試驗，分別建立生育期模型·和各生育期的氮量模型。比如以無土栽培技術培育了不同氮素條件下純正的水稻樣本，在水稻每一生長發育階段，通過光譜儀器獲取水稻冠層光譜信息，採用流動分析儀(比如Bran+Luebbe AA3流動分析儀)測定葉片含氮量，通過集成攝像機採集農作物獲取圖像數據，得到能反應農作物外觀特徵(顏色、形狀、紋理、尺寸等外觀特性)。S2、進行樣本測試，在利用光譜儀器對作物進行光譜採集前，進行白板校正和標定；在自然光下，一般選取白天11 :00-13:00之間，採集農作物冠層圖像數據、光譜數據，採集到計算機中。計算機將採集到的圖像數據進行預處理，提取與訓練樣本同樣的圖像特徵。計算機將採集得到的光譜數據進行與訓練樣本同樣的波段特徵提取。計算機對所提取的圖像特徵、波段特徵與知識資料庫進行融合，利用測試樣本進行檢測試驗，給出當前測試作物樣本的氮素水分含量，檢測結果通過計算機顯示出來，本輪測試結束。圖像特徵、波段特徵進行融合時，判斷是屬於哪個生育期，然後再針對某個特定的生育期進行進一步檢測其氮含量。本發明先統計圖像數據、光譜數據，然後進行主成份再次分析，優化特徵向量，再進行圖像數據、光譜數據融合。圖像數據包括圖像的紋理特徵、形態特徵、顏色特徵；光譜數據在採集時，在光譜數據採用主成份分析等多種算法，包括基於遺傳算法的LS-SVM回歸算法等算法。光譜數據在採集時，可以首先對光譜信號進行預處理以濾除信號中的噪聲，再利用多元線性回歸、主成份回歸以及支持向量機、神經網絡等非線性模型建立農作物生育期預測模型。光譜數據在提取時，也可以首先對光譜信號進行預處理以濾除信號中的噪聲，再利用多元線性回歸、主成份回歸以及支持向量機、神經網絡等非線性模型建立各生育期的氮素的定量預測模型。下面舉個具體的例子進行說明一、冠層光譜測定通常選擇晴朗無雲無風天氣，於上午10 00—14 00 (太陽高度角大於45° )測定水稻冠層光譜反射率。測量時，光譜儀視場角定為25°，探頭朝下，距冠層頂部垂直高度為O. 7m左右(視場直徑為O. 31m,光譜取值在冠層範圍之內)。以三個光譜為一米樣光譜,取其平均值作為該缸的光譜反射率值。測量時及時進行白板校正(標準白板反射率為1，這樣所測得的目標物光譜是無量綱的相對反射率)。不同水分、氮素條件下的水稻種植共分9個水平，每一水平8個重複，分別在四個不同的生育期(孕穗期、抽穗期、乳熟期、成熟期)進行冠層光譜測量，平均每個生育期每一處理水平，選8個不同點進行冠層反射光譜測定。二、全氮含量測定Bran+Luebbe AA3流動分析儀原理有機含氮物質在濃硫酸及催化劑的作用下,經過強烈消化分解，其中的氮被轉化為氨，在鹼性條件下，氨被次氯酸鈉氧化為氯化銨，進而與水楊酸鈉反應產生了靛藍染料，在600nm比色測定總氮含量。樣品溶液配置將上述烘乾的葉片粉碎，保證樣品成分更為均勻，然後將粉碎後的樣品通過100目的篩孔，通不過篩孔的樣品再次粉碎，直至全部樣品通過。稱取O. Ig樣品於消化管中，精確至O. OOOlg，加入濃硫酸5. OmL，將消化管置於消化器上消化，一開始250° C消化2小時，加入過氧化氫H2O2後，370° C消化I小時，直至溶液呈無色透明。標準溶液配置稱取O. 4715g的(NH4) 2S04溶於IOOml水配成儲備液。試驗中，採用6個水平的標準溶液濃度，見表I。表I
標準溶液濃度吸取儲備液體積消化後用水定容至
O.60%6.OmlIOOml
O.50%5.OmlIOOml
0.40%4. OmlIOOml
O. 30%3.OmlIOOml
O.20%2.OmlIOOml
O.10%I.OmlIOOml實驗所需試劑配置Brij35溶液(聚乙氧基月桂醚):將250g Bri j35加入到IL水中，加熱攪拌直至溶解。次氯酸鈉溶液移取6mL次氯酸鈉(有效氯含量> 5%)於IOOmL的容量瓶中，用水稀釋至刻度，加2滴Bri j35溶液。氯化鈉/硫酸溶液稱取10. Og氯化鈉於燒杯中，用水溶解，加入7. 5mL濃硫酸，轉入IOOOmL的容量瓶中，用水定容至刻度，加入ImLBri j35溶液。水楊酸鈉/亞硝基鐵氰化鈉溶液稱取75. Og水楊酸鈉(Na2C7H5O3)，亞硝基鐵氰化鈉(Na2Fe (CN) 5Ν0 · 2H20) O. 15g於燒杯中，用水溶解，轉入500mL容量瓶中，用水定容至刻度，加入05mL Bri j35。緩衝溶液稱取酒石酸鉀鈉(NaKC4H4O6 · 4H20) 25. Og,磷酸氫二鈉(Na2HP04 · 12H20) 17. 9g，氫氧化鈉(NaOH) 27. 0g，用水溶解，轉入500g容量瓶中，加入05mL Bri j35。進樣器清洗液移取40mL濃硫酸(H2SO4)於IOOOmL容量瓶中，緩慢加水，定容至刻度。將各種含氮量水稻葉片幹樣本，研磨過篩(篩孔直徑0. 1mm)。稱取0. Ig試料於消化管中，精確至0. OOOlg，加入濃硫酸5. OmL，將消化管置於消化器上消化，一開始250° C消化2小時，加入過氧化氫H2O2後，370° C消化I小時，作為試驗樣本。同時，配製儲備液和各個水平濃度的標準溶液。
採用德國布朗盧比公司的Bran+Luebbe AA3流動分析儀進行測氮。其已經能進行在線消解、在線溶劑萃取、在線蒸餾、在線過濾、氧化還原、在線離子交換、自動稀釋、WINDOWS/NT下全計算機自動系統控制軟體。實驗時，增益取10，燈設置2. 36V，對應IOOOmV的反射能量。實驗得到6個標準溶液對應的校準直線如圖2所示，相關係數達到O. 999，校準係數 a = -2. 9049E-2, b = 8. 1465E-6。按照式(2. I)計算出樣品的總氮含量
權利要求
1.一種基於光譜技術的農作物內部信息無損檢測方法，其特徵在於，所述基於光譜技術的農作物內部信息無損檢測方法包括以下步驟 51、建立知識資料庫，對所需測定的農作物，根據其檢測標準，先請專業人員對其中一部分樣品進行感官評定，或者通過常規的實驗室理化分析，測出農作物所處的生育期，以及測的氮素，建立與各農作物樣本相關的知識資料庫； 52、進行樣本測試，在利用光譜儀器對作物進行光譜採集前，進行白板校正和標定；在自然光下，採集農作物冠層圖像數據、光譜數據計算機中；計算機將採集到的圖像數據進行預處理，提取與訓練樣本同樣的圖像特徵；計算機將採集得到的光譜數據進行與訓練樣本同樣的波段特徵提取；計算機對所提取的圖像特徵、波段特徵與知識資料庫進行融合，利用測試樣本進行檢測試驗，給出當前測試作物樣本的氮素水分含量，檢測結果通過計算機顯示出來。
2.如權利要求I所述的基於光譜技術的農作物內部信息無損檢測方法，其特徵在於，所述圖像數據包括圖像的紋理特徵、形態特徵、顏色特徵。
3.如權利要求I所述的基於光譜技術的農作物內部信息無損檢測方法，其特徵在於，所述光譜數據在採集時，基於遺傳算法的LS-SVM回歸算法。
4.一種基於光譜技術的農作物內部信息無損檢測裝置，其特徵在於包括計算機、集成攝像機、光譜儀器、探頭、輔助光源、光箱、數據線、農作物、流動分析儀，光譜儀器與流動分析儀連接，流動分析儀、集成攝像機都通過數據線與計算機連接，光譜儀器與探頭連接，集成攝像機、光譜儀器、探頭、輔助光源、農作物位於光箱內。
全文摘要
本發明公開了一種基於光譜技術的農作物內部信息無損檢測裝置及方法，該方法包括以下步驟建立知識資料庫，對所需測定的農作物，建立與各農作物樣本相關的知識資料庫；採集農作物冠層圖像數據、光譜數據到計算機中；計算機將採集到的圖像數據進行預處理，提取與訓練樣本同樣的圖像特徵；計算機將採集得到的光譜數據進行與訓練樣本同樣的波段特徵提取；計算機對所提取的圖像特徵、波段特徵與知識資料庫進行融合，利用測試樣本進行檢測試驗，給出當前測試作物樣本的氮素水分含量，檢測結果通過計算機顯示出來。本發明可以憑藉光譜信息自動判斷出農作物處於哪個生育期，氮素含量有多少，更加便於使用者使用。
文檔編號G01N21/25GK102788752SQ20121027912
公開日2012年11月21日 申請日期2012年8月8日 優先權日2012年8月8日
發明者衛愛國, 孫俊, 宋彩惠, 武小紅, 毛罕平 申請人:江蘇大學