CN101923319B - 一种基于高光谱遥感技术的设施栽培作物智能监控*** - Google Patents
一种基于高光谱遥感技术的设施栽培作物智能监控*** Download PDFInfo
- Publication number
- CN101923319B CN101923319B CN2010101499555A CN201010149955A CN101923319B CN 101923319 B CN101923319 B CN 101923319B CN 2010101499555 A CN2010101499555 A CN 2010101499555A CN 201010149955 A CN201010149955 A CN 201010149955A CN 101923319 B CN101923319 B CN 101923319B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- communication antenna
- central control
- spectral data
- facility cultivation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000005516 engineering process Methods 0.000 title abstract description 3
- 238000013519 translation Methods 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims abstract description 22
- 230000012010 growth Effects 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008635 plant growth Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000005648 plant growth regulator Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱遥感技术的设施栽培作物智能监控***,一通讯天线、高光谱数据获取模块、高光谱数据分析模块固定于自动导航小车上,中央控制模块与自动导航小车具有距离,另一通讯天线靠近中央控制模块设置,两通讯天线之间以无线方式传输命令;所述自动导航小车沿地面上的电磁导轨铺设的线路行进。高光谱遥感数据采集模块中的高光谱相机和光源固定于电控平移台上,电控平移台连接电控平移台控制器,高光谱相机与计算机相连。本发明能够实时采集设施栽培作物的高光谱遥感信息,保证设施栽培作物以最好的状态生长。
Description
技术领域
本发明涉及一种农作物生长状况智能监控***,特指一种基于高光谱遥感技术的设施栽培作物智能监控***。
背景技术
设施栽培是农业现代化的重要标志,构建的是一个相对密闭的空间(如玻璃大棚、培养间等),在其中安装相关的环境控制***(如温度、湿度控制***,水肥供给***等),将农作物按尽量高的密度种植在该环境可控的密闭空间内,通过采用现代化农业工程和机械技术改变自然环境,实现对作物生长环境如温度、湿度、营养状况、光照的调节。设施栽培需要监控尽可能高质量、全面的作物生长信息作为生产管理依据,才可从根本上保证作物的产量和品质。
目前,高光谱遥感技术以其快速、准确、不破坏检测对象等优势逐渐成为农作物生长信息获取的主要手段。专利号为ZL200410009914.0、名称为“一种智能农机载高光谱采集方法”的专利描述了一种基于GPS定位的拖拉机车载高光谱采集方法,能够高密度获取农田信息,可以对精确农业生产进行动态监控。专利申请号为200510085469.0、名称为“基于高光谱的小麦氮含量与籽粒蛋白品质田间快速检测方法”描述了一种基于高光谱遥感技术快速获取小麦氮含量及籽粒蛋白品质信息的方法。
由于常规高光谱遥感通常采用GPS定位,定位精度一般在10米左右,该精度可以满足田间作物动态监控的要求,而设施栽培作物要求检测到很小区域或者每株作物的生长情况,故上述两种方法只能快速获取部分位于自然状态下的农作物信息,得到的是大面积区域作物的面状数据,反映的是对应区域作物生长的总体情况,无法反应单颗作物的生长情况,不能用于监控设施栽培中位于相对密闭空间内的作物生长。
发明内容
本发明的目的是为克服上述现有技术不足,提供了一种定位精度高、监控实时且准确的基于高光谱遥感技术的设施栽培作物生长智能监控***,可检测到设施栽培作物的很小区域或者每株作物的生长状况。
本发明采用的技术方案是:包括高光谱数据采集模块、高光谱数据分析模块和通讯天线,通讯天线、高光谱数据获取模块、高光谱数据分析模块固定于自动导航小车上,中央控制模块与自动导航小车具有距离,另一通讯天线靠近中央控制模块设置,两通讯天线之间以无线方式传输命令;所述自动导航小车沿地面上的电磁导轨铺设的线路行进。高光谱遥感数据采集模块中的高光谱相机和光源固定于电控平移台上,电控平移台连接电控平移台控制器,高光谱相机与计算机相连。
本发明的有益效果:本发明将高光谱相机、计算机等高光谱遥感数据采集设备安装在自动导航小车上,通过铺设在地下的电磁导轨引导自动导航小车携带高光谱数据采集设备采集设施栽培作物的高光谱数据信息,通过数据分析模块自动提取图像信息特征和光谱信息特征,通过特征信息同作物生长状况知识库匹配得到作物的生长状况,并将作物生长状况信息通过无线传输的方式反馈给中央控制***,一旦检测到作物生长状况出现问题,生产管理员通过中央控制***对作物的生长环境进行调控,从而保证设施栽培作物以最好的状态生长。本发明能够实时采集设施作物的高光谱遥感信息,为设施作物的高品质、高产量、高效益打下坚实基础。
附图说明
图1是本发明智能监控***结构示意图。
图2是图1中高光谱遥感数据采集模块4放大的结构连接示意图。
图3是图1的智能监控***使用示意图。
图中:1.自动导航小车;2.通讯天线;3.高光谱数据分析模块;4.高光谱数据采集模块;5.电磁导轨;6.中央控制模块;7.通讯天线;8.光源;9.电控平移台控制器;10.电控平移台;11.电控平移台载物台;12.高光谱相机;13.计算机;14.设施栽培作物。
具体实施方式
图1为设施栽培作物智能监控***示意图,主要包括自动导航小车1、电磁导轨5、通讯天线2、高光谱数据采集模块4、高光谱数据分析模块3、中央控制模块6和另一通讯天线7组成。自动导航小车1沿着地面上的电磁导轨5铺设的线路行进;高光谱数据采集模块4与高光谱数据分析模块3相互连接,将通讯天线2、高光谱数据获取模块4、高光谱数据分析模块3固定安装在自动导航小车1上。中央控制模块6与自动导航小车1具有一定距离,另一通讯天线7靠近中央控制模块6安装,两通讯天线2、7之间以无线的方式传输命令。
自动导航小车1的作用主要有两个,一是作为监控***部件的载体,二是实现检测***在设施作物生长空间内的移动。自动导航小车1的移动方式为根据中央控制模块6发出的移动指令,沿着电磁导轨5铺设的线路行进。自动导航小车1根据管理员发出的移动指令,携带监测***所需的硬件,在设施栽培作物空间内移动,以满足***采集各处设施栽培作物生长信息的要求。
高光谱遥感数据分析模块3主要对地面上的设施栽培作物14的高光谱遥感数据进行标定和特征信息提取,标定时,对采集到的高光谱遥感数据进行信号校正,目的是消除相机暗电流、光照不均匀和相机阵列中传感器敏感度差异带来的信号漂移。标定操作过程如下:监测***正式开始工作前,***先加电预热10~20分钟,待相机传感器和光源等部件性能稳定后,通过合上相机盖和放置标准白板(反射率99%以上)分别采集全黑标定图像和全白标定图像;用采集到的设施栽培作物高光谱图像减去全黑标定图像,再除以全白标定图像和全黑标定图像的差,即可得到经过标定后的校正图像。高光谱遥感数据特征提取包括图像特征提取和光谱特征提取两个方面。高光谱遥感数据同传统图像数据相比,成像的波长精度更高,达到了nm级别,所以高光谱遥感数据是三维的,它既包含了不同波长下的图像信息,又包含了单个像素点的光谱信息。根据高光谱遥感数据的特点,不仅可以提取拍摄物体的图像特征,还可以提取相应的光谱特征。所谓图像信息特征提取,是运用主成分分析法、独立分量分析法、小波分析法及不均匀二阶差分法等多种算法,寻找同设施栽培作物生长状况最为相关的特征波长及其对应的高光谱图像。在特征波长对应的高光谱图像上,运用常规的图像处理方法(如背景分割、滤波、消噪、边缘提取等方法)提取相应的特征参数(如叶片颜色、叶片形状、叶片纹理等特征)。所谓光谱信息特征提取,是利用光谱信息同预先建立的定量模型相结合,可以对作物中的某种组分进行定量测量(如植物叶片的叶绿素、叶黄素、可溶性蛋白、氨基酸等),通过对这些组分含量的监控,可以准确感知设施栽培作物的生长状况。光谱信息特征提取首先要进行光谱预处理(如标准正交变换、多元散射校正、小波变换、中心化),将预处理后的光谱代入预先建立的定量模型,就可获取对应组分的含量,从而得出作物生长状况诊断结果,诊断结果通过通讯天线2以无线传输的方式及时反馈到中央控制模块6。
中央控制模块6是设施栽培作物智能监控***的控制中心,主要功能可概述为两个方面,一是中央控制模块6通过通讯天线7以无线的方式向自动导航小车1传输移动命令,同时也接受检测***的高光谱遥感数据分析模块3的诊断结果;管理员可以通过中央控制模块6指定自动导航小车1的行为模式,如何时启动、何时停止、行进的速度、移动范围等。同时,高光谱遥感数据采集和特征提取完成后,将设施栽培作物生长状况诊断结果返回到中央控制模块6,供管理员参考和决策。二是中央控制模块6通过有线的方式同设施栽培的其它生长调控***相连,控制着其它作物生长调控***。这些生长调控***分别为温度调控***、湿度调控***、水肥调控***、光照调控***、CO2浓度调控***等。管理员通过中央控制模块6获取到设施栽培作物的生长状况诊断信息后,可以根据诊断信息进行生产管理。例如,智能监控***通过分析设施栽培作物高光谱遥感数据诊断发现作物缺乏N元素,管理员在获取到作物缺乏N元素这个信息后,可以通过中央控制模块6对设施栽培***中的水肥调控***进行调节,增加N元素的供给,保证作物及时获取到充足的N元素。中央控制模块6根据生长状况诊断结果对其它子***作出相应调整,以保证设施栽培作物一直处在最适宜的生长环境。
如图2所示的高光谱遥感数据采集模块4的结构,当自动导航小车1运动到指定位置后,高光谱遥感数据采集模块4开始工作。高光谱遥感数据采集模块4由光源8、电控平移台控制器9、电控平移台10、电控平移台载物台11、高光谱相机12和计算机13组成。其中,高光谱相机12和光源8被固定在精密的电控平移台载物台11上,电控平移台载物台11固定在电控平移台10上,电控平移台控制器9连接且控制电控平移台10,高光谱相机12和计算机13相连。常规的高光谱数据采集方式为:相机和光源固定在光箱上,即光源和相机保持静止,检测对象被放置在精密电控平移台上,在精密电控平移台控制器的驱动下沿高光谱相机扫描线垂直的方向运动,完成检测对象的高光谱数据采集。而本发明为了避免监控过程中对作物生长带来影响,数据采集时不能给设施作物带来任何伤害,本发明高光谱遥感数据采集方式为:检测对象(设施栽培作物)静止,高光谱相机12和光源8安装于精密的电控平移台10上,在精密的电控平移台控制器9的驱动下随电控平移台10相对检测对象做相对运动。精密的电控平移台控制器9控制精密的电控平移台载物台11以一定的速度沿左右方向运动,带动安装在精密电控平移台载物台11上的高光谱相机12和光源8也以同样的速度左右方向运动,在运动的过程中,高光谱相机12完成对设施栽培作物的高光谱遥感数据获取,并将获取到的信息保存到计算机3内。
如图3所示的智能监控***使用示意图,使用时,将电磁导轨5铺设在设施栽培作物14的周围及生长区域缝隙间,自动导航小车1根据中央模控制块6发出的指令,可以沿电磁导轨5运动至设施栽培作物14附近,对其生长状况进行动监测。
Claims (3)
1.一种基于高光谱遥感技术的设施栽培作物智能监控***,包括高光谱数据采集模块(4)、高光谱数据分析模块(3)和通讯天线,其特征是:第一通讯天线(2)、高光谱数据采集模块(4)、高光谱数据分析模块(3)固定于自动导航小车(1)上,中央控制模块(6)与自动导航小车(1)具有距离,第二通讯天线(7)靠近中央控制模块(6)设置,第一、第二通讯天线(2、7)之间以无线方式传输命令;所述自动导航小车(1)沿地面上的电磁导轨(5)铺设的线路行进,中央控制模块(6)通过第二通讯天线(7)以无线的方式向自动导航小车(1)传输移动命令,同时接受高光谱数据分析模块(3)的诊断结果;中央控制模块(6)通过有线方式同设施栽培作物(14)的其它生长调控***相连;所述高光谱数据采集模块(4)中的高光谱相机(12)和光源(8)固定于电控平移台(10)上,电控平移台(10)连接电控平移台控制器(9),高光谱相机(12)与计算机(13)相连。
2.根据权利要求1所述的一种基于高光谱遥感技术的设施栽培作物智能监控***,其特征是:所述高光谱数据分析模块(3)对地面上的设施栽培作物(14)的高光谱遥感数据进行标定和特征信息提取,得出作物生长状况诊断结果,诊断结果通过第一通讯天线(2)以无线传输方式反馈至中央控制模块(6)。
3.根据权利要求1所述的一种基于高光谱遥感技术的设施栽培作物智能监控***,其特征是:所述电磁导轨(5)铺设于设施栽培作物(14)的周围及生长区域缝隙间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101499555A CN101923319B (zh) | 2010-04-16 | 2010-04-16 | 一种基于高光谱遥感技术的设施栽培作物智能监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101499555A CN101923319B (zh) | 2010-04-16 | 2010-04-16 | 一种基于高光谱遥感技术的设施栽培作物智能监控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101923319A CN101923319A (zh) | 2010-12-22 |
CN101923319B true CN101923319B (zh) | 2012-08-15 |
Family
ID=43338305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101499555A Expired - Fee Related CN101923319B (zh) | 2010-04-16 | 2010-04-16 | 一种基于高光谱遥感技术的设施栽培作物智能监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101923319B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102507457A (zh) * | 2011-11-18 | 2012-06-20 | 江苏大学 | 一种快速无损检测作物营养元素的装置及方法 |
CN107091813A (zh) * | 2017-06-27 | 2017-08-25 | 华东交通大学 | 一种龙门式园艺小植株作物高光谱图像采集*** |
CN111398187B (zh) * | 2020-04-27 | 2024-06-14 | 农业农村部南京农业机械化研究所 | 基于高光谱遥感的油菜适收期监测方法与*** |
WO2022141193A1 (zh) * | 2020-12-30 | 2022-07-07 | 广东视场科技有限公司 | 一种基于无人车平台的作物多光谱采集分析*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6546040B1 (en) * | 1999-04-21 | 2003-04-08 | Trimble Navigation Limited | GPS receiver having improved signal acquisition at a low signal to noise ratio |
CN1793857A (zh) * | 2005-12-28 | 2006-06-28 | 浙江大学 | 油菜氮素营养多光谱图像诊断方法及诊断*** |
CN201000556Y (zh) * | 2006-09-01 | 2008-01-02 | 上海农业信息有限公司 | 农作物培育监控装置 |
CN201277868Y (zh) * | 2008-09-11 | 2009-07-22 | 杭州达声电子有限公司 | 一种农田生长环境在线监测*** |
-
2010
- 2010-04-16 CN CN2010101499555A patent/CN101923319B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6546040B1 (en) * | 1999-04-21 | 2003-04-08 | Trimble Navigation Limited | GPS receiver having improved signal acquisition at a low signal to noise ratio |
CN1793857A (zh) * | 2005-12-28 | 2006-06-28 | 浙江大学 | 油菜氮素营养多光谱图像诊断方法及诊断*** |
CN201000556Y (zh) * | 2006-09-01 | 2008-01-02 | 上海农业信息有限公司 | 农作物培育监控装置 |
CN201277868Y (zh) * | 2008-09-11 | 2009-07-22 | 杭州达声电子有限公司 | 一种农田生长环境在线监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN101923319A (zh) | 2010-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7423631B2 (ja) | デジタル画像および機械学習モデルを使用した圃場異常の地図作成 | |
Bai et al. | A multi-sensor system for high throughput field phenotyping in soybean and wheat breeding | |
EP2633460B1 (en) | System and method for calibrating agricultural measurements | |
AU2018346351A1 (en) | Disease recognition from images having a large field of view | |
CN101923319B (zh) | 一种基于高光谱遥感技术的设施栽培作物智能监控*** | |
CN108120473B (zh) | 基于深度相机的温室作物三维形态监测装置及监测方法 | |
Jiang et al. | On-the-go image processing system for spatial mapping of lettuce fresh weight in plant factory | |
JP6595435B2 (ja) | 制御装置及びプログラム | |
CH701643B1 (de) | Verfahren zur Erkennung und Sicherung von Tieren einschliesslich Brutgelegen in landwirtschaftlich genutzten Feldern und Wiesen sowie Vorrichtung zur Durchführung des Verfahrens. | |
GB2605253A (en) | A data collection and monitoring system, a controlled environment farming system, devices and related methods | |
Katsigiannis et al. | Fusion of spatio-temporal UAV and proximal sensing data for an agricultural decision support system | |
AU2022211136A9 (en) | A data collection and monitoring system, a controlled environment farming system, devices and related methods | |
CN114066033A (zh) | 一种智慧农业优化方法和*** | |
JP6909838B2 (ja) | 制御装置、農業機械、制御方法及びプログラム | |
Li et al. | Weed detection in soybean fields using improved YOLOv7 and evaluating herbicide reduction efficacy | |
JP6407938B2 (ja) | 制御装置、プログラム及び農業機械 | |
JP6483072B2 (ja) | 農業機械 | |
Jung et al. | Portable snapshot spectral imaging for agriculture | |
Hu et al. | Identifying rice seedling bands based on slope virtualization clustering | |
Okamoto et al. | Field applications of automated weed control: Asia | |
JP6474773B2 (ja) | 培地管理システム、プログラム、農業機械、改質土壌を生産する方法、及び、農産物の生産方法 | |
Guan et al. | Unmanned Aerial Vehicle-Based Techniques for Monitoring and Prevention of Invasive Apple Snails (Pomacea canaliculata) in Rice Paddy Fields | |
CN113167779B (zh) | 使用数字图像和机器学习模型对田地异常绘制地图 | |
RU2805670C2 (ru) | Обнаружение заражения растений болезнями путем классификации фотоснимков растений | |
WO2024122967A1 (ko) | 위치정보 기반 디지털 농기계 운용시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120815 |
|
CF01 | Termination of patent right due to non-payment of annual fee |