CN103278503B - 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** - Google Patents
一种基于多传感器技术的葡萄水分胁迫诊断方法及*** Download PDFInfo
- Publication number
- CN103278503B CN103278503B CN201310148957.6A CN201310148957A CN103278503B CN 103278503 B CN103278503 B CN 103278503B CN 201310148957 A CN201310148957 A CN 201310148957A CN 103278503 B CN103278503 B CN 103278503B
- Authority
- CN
- China
- Prior art keywords
- canopy
- grape
- water stress
- value
- long wave
- 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.)
- Active
Links
- 235000009754 Vitis X bourquina Nutrition 0.000 title claims abstract description 72
- 235000012333 Vitis X labruscana Nutrition 0.000 title claims abstract description 72
- 235000014787 Vitis vinifera Nutrition 0.000 title claims abstract description 72
- 208000005156 Dehydration Diseases 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003745 diagnosis Methods 0.000 title abstract description 8
- 240000006365 Vitis vinifera Species 0.000 title 1
- 241000219095 Vitis Species 0.000 claims abstract description 71
- 230000005855 radiation Effects 0.000 claims abstract description 46
- 230000029553 photosynthesis Effects 0.000 claims description 24
- 238000010672 photosynthesis Methods 0.000 claims description 24
- 238000002405 diagnostic procedure Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000003331 infrared imaging Methods 0.000 abstract description 12
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000000701 chemical imaging Methods 0.000 abstract 1
- 238000011897 real-time detection Methods 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 241000196324 Embryophyta Species 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 235000021028 berry Nutrition 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
- 210000003763 chloroplast Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 description 1
- 229960005375 lutein Drugs 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 0.000 description 1
- 235000008210 xanthophylls Nutrition 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多传感器技术的葡萄水分胁迫诊断方法及***,方法包括以下步骤:(1)采集建模葡萄样本的冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值;(2)以冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值为输入变量,冠层水分胁迫等级为输出变量建立检测模型;(3)按照步骤(1)的方法采集待测葡萄样本的冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值,代入检测模型计算出待测葡萄样本的冠层水分胁迫等级。本发明通过引入多光谱成像技术、热红外成像技术以及多信息的数据融合技术,可实现葡萄水分胁迫程度的早期、快速、实时检测,提高检测精度。
Description
技术领域
本发明涉及农作物水分胁迫诊断的检测领域,尤其涉及一种基于多传感器技术的葡萄水分胁迫诊断方法及***。
背景技术
水分对葡萄产量和自身生长的影响是深刻的,水分胁迫首先影响植株生理代谢过程,最终表现为对生长发育的影响。具体表现在:水分亏缺,葡萄各组织和器官的发育就会受阻,光合作用减弱。水分胁迫对果树叶、根的形态指标及其显微结构、叶片气孔行为、光合作用、光抑制、酶活性、内源激素变化等生理生化方面的影响都有所报道,其中对光合作用的影响尤为突出。水分胁迫使葡萄生长发育产生生理障碍,降低葡萄产量,影响葡萄浆果品质,是制约葡萄及其相关产业的重要环境因子。在葡萄种植面积很广的北方和丘陵地区,普遍存在干旱缺水的情况,快速诊断植株缺水状况,科学精确地指导灌溉,有效利用有限的水资源,保证葡萄的优质高产,成为亟需解决的问题。
目前在国内,植物水分胁迫的检测手段相对落后,绝大部分靠农民长期积累的经验进行感官识别判断,这种主观评定方法受个人经验、色彩分辨力和光线等条件的影响,而且大多数停留在定性判断上,其客观性、准确性较差,容易引起因作物的缺水而导致减产等。植物水分胁迫的快速、无损检测技术综合运用了计算机和光电传感器等高新技术,目前已引起了国内外相关领域的高度重视,迄今为止已经出现了诸如声学检测、叶绿素荧光技术、光谱检测技术、以及机器视觉等技术。
多光谱成像技术是一种能够同时采集可见光谱和红外光谱等波段数字图像并进行分析的技术。它结合了光谱分析技术(敏感波段提取)和计算机图像处理技术的长处,同时可以弥补光谱仪抗干扰能力较弱和RGB图像感受范围窄的缺点。针对错综复杂的外部环境和形状各异的作物冠层结构,利用多光谱成像技术,获取近红外光谱图像中植物的形状信息以及特征信息,对植物冠层结构进行快速、准确的检测。
作物冠层温度已成为判别作物水分状况的重要指标,利用作物冠层温度探测作物水分状况日益受到关注。用冠层温度诊断作物水分状况能克服测定单片叶温存在的取样误差,它可以快速而准确地测定较大面积范围内的作物水分状况。作物水分胁迫指数监测作物是否遭受水分胁迫,是一个非常有效的指标,但是在国内,采用热红外成像对葡萄水分胁迫的研究还鲜见报道。
光合有效辐射是指太阳辐射中能被绿色植物的叶绿体吸收来用于光合作用,从而实现物质积累的这部分辐射。植物的冠层结构即是植物群体地上部分总的绿色覆盖层,它影响着植物对太阳有效辐射的截获,是一种间接评价作物水分状况的指标。目前采用光合有效辐射值评价冠层结构从而对作物的水分胁迫进行相关研究开展得比较少。
以上所采用的测量作物水分胁迫的技术都存在一个共同的问题,即检测精度不高。
发明内容
本发明提供了一种基于多传感器技术的葡萄水分胁迫诊断方法及***,通过引入多光谱成像技术、热红外成像技术以及多信息的数据融合技术,可实现葡萄水分胁迫程度的早期、快速、实时检测,提高检测精度。
一种基于多传感器技术的葡萄水分胁迫诊断方法,包括以下步骤:
(1)选取建模葡萄样本,采集所述建模葡萄样本的冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值;
(2)以所述冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值为输入变量,冠层水分胁迫等级为输出变量建立如式(1)所示模型:
Y=-0.03x1+3.43x2+2.25x3 (1)
其中,x1为冠层覆盖率值,x2为冠层温度特征值,x3为冠层光合有效辐射值;Y为冠层水分胁迫等级;
(3)按照步骤(1)的方法采集待测葡萄样本的冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值,代入式(1)中,计算出待测葡萄样本的冠层水分胁迫等级。
图像的分割质量直接决定了水分特征提取和所述模型的精度,优选地,步骤(1)中采集所述建模葡萄样本冠层在近红波段的单色图像,采用二维最大信息熵阈值分割法对所述单色图像进行背景分割,计算得到所述葡萄冠层覆盖率值。
更优选地,对所述单色图像进行背景分割前采用中值滤波法对所述单色图像进行预处理。较传统图像分割法更有优势。
作为优选,步骤(1)中采集所述建模葡萄样本冠层的热红外图像,提取冠层温度信息,同时采集当时大气的温度信息,以冠层温度信息和大气温度信息的差值作为所述冠层温度特征值。
葡萄的冠层光合有效辐射值是指太阳光透过葡萄冠层在地面上获取的光能量的比值,其中采用的计算公式为:
LI=[1-(冠层以下部分的太阳有效辐射值)*(冠层以上部分的太阳有效辐射值)-1](2)
其中LI为葡萄的冠层光合有效辐射值;
采集时,分别采集冠层以上部分的太阳有效辐射值和冠层以下部分的太阳有效辐射值,然后通过式(2)计算出冠层光合有效辐射值LI。
本发明所建模型采用了多元线性回归技术,它是一种较为广泛使用的多元校正方法,它通过对自变量权重的优化,提高回归模型的解释能力和预测效果,能较好地解决多变量的线性回归问题,采用所述多元线性回归建模方法建立模型,能够保证所述模型的精确性。
本发明还提供了一种基于多传感器技术的葡萄水分胁迫诊断***,包括:
用于采集葡萄样本冠层在近红外波段的单色图像的多光谱成像仪;
用于采集葡萄样本冠层的热红外图像的热红外成像仪;
用于采集葡萄样本冠层光合有效辐射值的线状光合有效辐射测定仪;
以及用于处理所述单色图像、热红外图像和冠层光合有效辐射值并输出所述葡萄样本冠层水分胁迫等级的计算机。
所述多光谱成像仪与计算机之间通过图象采集卡传输数据。
所述的多光谱成像仪优选为美国Redlake公司的MS3100DuncanCamera,可实现对不同波段图像的同步获取,有利于各独立波段图像特征的提取,因无需进行图形配准,也易于实现多光谱图像的像素级运算。
所述的图象采集卡优选为美国National Instrument公司的PCI1424或1428数据采集卡,PCI1424或1428数据采集卡不仅与MS3100DuncanCamera相匹配,同时能满足图像采集通道数、采样率和分辨率等需要。
所述的热红外成像仪采用FLIR SC655热红外成像仪;所述的多光谱成像仪采集图像以及FLIR SC655热红外成像仪采集冠层温度信息所用光源优选为自然光,采用自然光能够使采得的图像光线均匀,与卤素灯等人造光源相比,采用自然光得到的图像能够更好得进行后续的图像预处理等分析,并且无需对光源进行人为的调节等,而且方便田间操作。
所述多光谱成像仪、FLIR SC655热红外成像仪可通过设置可调节角度、高度、移动底座的三脚架或安装有可调节机械伸展臂高度、角度的车辆等固定装置进行固定,当用于温室内时采用三脚架安装,当用于田间时采用车辆安装。
相对于现有技术,本发明具有以下优点:
(1)功能强大,可实现葡萄水分胁迫程度的快速、稳定、非破坏性的诊断,并且做到尽可能地早期检测;
(2)准确度高,整个***受外界环境干扰小,所建立的模型对水分胁迫等级的预测准确度高。
(3)运算速度快,葡萄水分胁迫诊断模型一旦建立以后,可实现农田葡萄水分胁迫的实时获取。
(4)使用方便,当检测***的各组件都连接完毕后,最后的图像采集分析工作通过图像分析处理软件完成。
附图说明
图1是模型验证时12个葡萄冠层样本的实测水分等级与拟合的水分百分比间的关系。
具体实施方式
本发明用于检测葡萄冠层信息的***包括多光谱成像仪、热红外成像仪、线状光合有效辐射测定仪和计算机,多光谱成像仪与计算机之间通过图象采集卡传输数据,图像采集卡连接于多光谱成像仪上,多光谱成像仪通过RS-232串口线及图象采集卡数据线和计算机连接,计算机设有图像处理软件。
其中,多光谱成像仪为美国Redlake公司的MS3100Duncan Camera,热红外成像仪型号为FLIR SC655,它们的底部设有可调节角度、高度、移动底座的三脚架,镜头垂直向下采集图像信息,图象采集卡为美国National Instrument公司的PCI1424或1428数据采集卡,多光谱成像仪的图象采集与热红外成像仪的冠层温度采集所用光源为自然光。
线状光合有效辐射测定仪型号:ACCUPAR LP-80,CID,Inc.,Vancouver,WA。
利用多光谱成像仪获取40个葡萄冠层样本在绿光波段(550nm)、红光波段(650nm)、近红外波段(800nm)三个波段通道的单色图像,单色图像通过图像采集卡传输至计算机,通过计算机上的图像处理软件(Matlab9.0),采用中值滤波法对单色图像进行预处理,预处理后采用二维最大信息熵阈值分割法进行背景分割,计算得到40个葡萄冠层覆盖率值。参照文献:张晓东,毛罕平,左志宇,高鸿燕,孙俊,2011.基于多光谱视觉技术的油菜水分胁迫诊断.农业工程学报,27(3):152-157.中公开的方法。
利用FLIR SC655热红外成像仪采集葡萄冠层的热红外图像,采用FLIR ExaminIR software(FLIR SC655,FLIR systems)处理软件处理热红外图像获得葡萄冠层温度信息,并采集实时的大气温度信息,将获得的葡萄冠层温度值与大气温度的差值作为葡萄冠层温度特征值。
用线状光合有效辐射测定仪采集葡萄冠层以上及以下部分的太阳辐射值,通过如下公式计算得到待测葡萄冠层的光合有效辐射值,
LI=[1-(冠层以下部分的太阳有效辐射值)*(冠层以上部分的太阳有效辐射值)-1]其中LI为葡萄的冠层光合有效辐射值;
其中将28个葡萄样本的冠层覆盖率值,冠层温度特征值,冠层光合有效辐射值用于模型的校正。
在建模过程中,以28个葡萄样本的冠层覆盖率值、冠层温度信息、冠层光合有效辐射值作为模型的输入,以葡萄水分胁迫等级为输出,对冠层覆盖率值,冠层温度特征值,冠层光合有效辐射值与葡萄水分胁迫等级之间进行基于多元线性回归理论的数值拟合,可得以下模型:
Y=-0.03x1+3.43x2+2.25x3
其中,x1,x2,x3分别为葡萄冠层覆盖率值,葡萄冠层温度特征值,葡萄冠层光合有效辐射值;Y为葡萄水分胁迫等级。
以其余12个葡萄冠层样本作为待测冠层样本,将其冠层覆盖率值,冠层温度特征值以及冠层光合有效辐射值代入上述模型,得出拟合水分等级值;同时,利用水分传感器获取12个待测葡萄冠层样本的实测水分等级,分为50%,75%和100%,如表1所示:
表1
建立以上所述12个待测葡萄冠层样本的拟合水分百分比与水分等级间的相关关系模型,如图1所示,拟合水分含量值与实测水分等级间的决定系数是0.927,模型预测偏差是0.073。由此证明本发明所建模型提高了预测精度,且检测方法简便。
Claims (5)
1.一种基于多传感器技术的葡萄水分胁迫诊断方法,其特征在于,包括以下步骤:
(1)选取建模葡萄样本,采集所述建模葡萄样本的冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值;
(2)以所述冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值为输入变量,冠层水分胁迫等级为输出变量建立如式(1)所示模型:
Y=-0.03x1+3.43x2+2.25x3 (1)
其中,x1为冠层覆盖率值,x2为冠层温度特征值,x3为冠层光合有效辐射值;Y为冠层水分胁迫等级;
(3)按照步骤(1)的方法采集待测葡萄样本的冠层覆盖率值、冠层温度特征值和冠层光合有效辐射值,代入式(1)中,计算出待测葡萄样本的冠层水分胁迫等级。
2.根据权利要求1所述的基于多传感器技术的葡萄水分胁迫诊断方法,其特征在于,步骤(1)中采集所述建模葡萄样本冠层在近红波段的单色图像,采用二维最大信息熵阈值分割法对所述单色图像进行背景分割,计算得到所述葡萄冠层覆盖率值。
3.根据权利要求2所述的基于多传感器技术的葡萄水分胁迫诊断方法,其特征在于,对所述单色图像进行背景分割前采用中值滤波法对所述单色图像进行预处理。
4.根据权利要求1所述的基于多传感器技术的葡萄水分胁迫诊断方法,其特征在于,步骤(1)中采集所述建模葡萄样本冠层的热红外图像,提取冠层温度信息,同时采集当时大气的温度信息,以冠层温度信息和大气温度信息的差值作为所述冠层温度特征值。
5.根据权利要求1所述的基于多传感器技术的葡萄水分胁迫诊断方法,其特征在于,步骤(1)中分别采集建模葡萄样本冠层以上部分的太阳有效辐射值和冠层以下部分的太阳有效辐射值,通过式(2)计算出所述冠层光合有效辐射值
LI=[1-(冠层以下部分的太阳有效辐射值)*(冠层以上部分的太阳有效辐射值)-1] (2)
其中LI为冠层光合有效辐射值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310148957.6A CN103278503B (zh) | 2013-04-25 | 2013-04-25 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310148957.6A CN103278503B (zh) | 2013-04-25 | 2013-04-25 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103278503A CN103278503A (zh) | 2013-09-04 |
CN103278503B true CN103278503B (zh) | 2015-04-22 |
Family
ID=49061084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310148957.6A Active CN103278503B (zh) | 2013-04-25 | 2013-04-25 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103278503B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674998B (zh) * | 2013-10-24 | 2016-02-17 | 北京大学深圳研究生院 | 基于热成像技术的植物健康状态检测方法 |
CN105181695A (zh) * | 2015-01-19 | 2015-12-23 | 无锡桑尼安科技有限公司 | 一种基于图像处理的葡萄水分胁迫检测方法 |
CN106546567B (zh) * | 2016-10-31 | 2019-10-15 | 浙江大学 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
CN106556569A (zh) * | 2016-11-11 | 2017-04-05 | 北京林业大学 | 一种基于红外成像的植物缺水状况诊断方法 |
CN108469434B (zh) * | 2018-04-11 | 2022-01-25 | 山东农业大学 | 一种监测果树是否缺水的装置及方法 |
CN112488230A (zh) * | 2020-12-07 | 2021-03-12 | 中国农业大学 | 基于机器学习的作物水分胁迫程度判定方法和装置 |
CN112586347B (zh) * | 2020-12-21 | 2023-08-22 | 扬州大学 | 一种抗旱性水稻品种的筛选方法 |
CN112931150B (zh) * | 2021-02-03 | 2022-06-03 | 华南农业大学 | 一种基于柑橘冠层光谱响应的灌溉***和方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100573146C (zh) * | 2003-04-11 | 2009-12-23 | 中国科学院地理科学与资源研究所 | 一种作物水分胁迫指数测定装置及其测定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001272373A (ja) * | 2000-03-24 | 2001-10-05 | Shikoku Natl Agricultural Experiment Station Maff | 植物体の水ストレス診断方法 |
JP5717026B2 (ja) * | 2010-12-27 | 2015-05-13 | 愛媛県 | 植物の水ストレス評価装置及び評価方法 |
-
2013
- 2013-04-25 CN CN201310148957.6A patent/CN103278503B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100573146C (zh) * | 2003-04-11 | 2009-12-23 | 中国科学院地理科学与资源研究所 | 一种作物水分胁迫指数测定装置及其测定方法 |
Non-Patent Citations (1)
Title |
---|
《基于红外热图像的棉花花铃期水分胁迫指数与光合参数的关系》;程麒等;《新疆农业科学》;20120630;第49卷(第6期);999-1006页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103278503A (zh) | 2013-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** | |
CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
Virlet et al. | Field Scanalyzer: An automated robotic field phenotyping platform for detailed crop monitoring | |
CN102721651B (zh) | 基于多光谱图像的植物叶片水分含量的检测方法及*** | |
CN202382768U (zh) | 一种设施作物生长信息无损检测装置 | |
CN102506938B (zh) | 基于多传感信息的温室作物生长和环境信息检测方法 | |
Hall et al. | Optical remote sensing applications in viticulture‐a review | |
CN101718683B (zh) | 快速检测叶片叶绿素含量的建模方法及检测方法 | |
Banerjee et al. | High-throughput phenotyping using digital and hyperspectral imaging-derived biomarkers for genotypic nitrogen response | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
CN102384767A (zh) | 一种设施作物生长信息无损检测装置和方法 | |
CN110163138B (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
CN101210876A (zh) | 基于可见/近红外多光谱成像的水稻养分信息测量方法 | |
CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
CN102612892B (zh) | 小麦麦穗发芽情况识别方法 | |
CN103697937A (zh) | 环境与植株生长态势协同监测分析装置及方法 | |
CN109253976B (zh) | 基于光感模块的高光谱实时辐射定标方法 | |
CN111751376A (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
CN107991245A (zh) | 一种作物光谱信息采集装置及作物植被指数获取方法 | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
CN109187417A (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测*** | |
CN102768186B (zh) | 一种田间作物生长信息无损快速检测装置及检测方法 | |
CN106568730B (zh) | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 | |
CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 |
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 |