CN105675549A - 一种便携式农作物参数测量与长势智能分析装置及方法 - Google Patents
一种便携式农作物参数测量与长势智能分析装置及方法 Download PDFInfo
- Publication number
- CN105675549A CN105675549A CN201610015206.0A CN201610015206A CN105675549A CN 105675549 A CN105675549 A CN 105675549A CN 201610015206 A CN201610015206 A CN 201610015206A CN 105675549 A CN105675549 A CN 105675549A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- canopy
- photogrammetric
- data
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/557—Detecting specular reflective parts on sample
Landscapes
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种便携式农作物参数测量与长势智能分析装置及方法,装置包括光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块和电池模块;本发明将基于激光三角法测距原理的结构光测量技术,实现复杂自然条件下的农作物冠层结构快速自动测量。以等分光器件将激光器单点光源转换为特定的形态作为光源,产生等等间隔点状投射光源,使其产生的光束照射被测表面。在获取多光谱图像的同时,通过摄影测量技术获得每个光斑或光条的三维坐标或空间形态,通过空间插值技术实现农作物冠层结构的三维重建。
Description
技术领域
本发明属于农业信息化技术领域,涉及一种农作物参数测量与长势分析装置及方案,尤其涉及一种基于激光与高光谱结合的便携式农作物参数测量与长势智能分析装置及方法。
背景技术
在我国耕地资源日益减少、水资源严重短缺、人口不断膨胀、需求快速增加、环境问题日益突出的大背景下,如何保证农业可持续发展和粮食安全,使农业产量及品质与农业投入同步增长,实现农业高产、优质、高效、生态安全的协调发展目标,是我国今后相当长时期内农业必须面对和解决的重大问题。精准农业于20世纪80年代初在国际农业领域被倡导且得到了迅速发展。目前,美国在精准农业研究与应用领域处于国际领先。
近年来,国内很多科研院所也开始了精准农业相关方面的研究,但在精准农业的理论与实践研究上还处于刚刚起步阶段。精准农业的三个基本环节是信息获取、决策和实施,因此,农作物生态环境信息快速准确获取是精准农业能够得以顺利决策和实施的基础,是建立以实时、精准实施为特点的现代农业生产***的核心组件。但在农作物生态环境信息获取方面技术和方法的不成熟是目前精准农业得以顺利实施的主要瓶颈。
本本发明致力于农作物生态环境信息获取及农作物长势监测的现代新型技术,对促进国内精准农业的发展具有极其重要的推动作用。
当前的农业生产中,农作物信息的快速提取和分析具有重要应用价值,各种农作物参数速测仪器得到广泛应用。但目前的主流农作物参数测量仪器主要是作物养分、生化参数的测量,其中以叶绿素仪、叶面积指数仪器、光学作用仪器、水分测量仪器和植株分析仪为代表。而在农业生产中,涉及农作物三维几何形态的测量仪器尚没有以便携式仪器形式出现。
同时,三维几何形态数据的观测分析与作物养分和生化参数的观测分析难以同时进行,而这两类参数的同时获取对于农作物信息的分析具有及其重要的作用。
另一方面,现有的农业参数测量仪主要从专业分析出发,属于农业科技领域相对专业的参数,缺乏对普通农户的运用普及性。由于没有足够的专业科技知识,上述参数难以形成直接的农业生产推动力。
要解决上述问题,必须从技术角度予以突破,需要对几何与光谱两类分析监测途径予以综合,同时同步监测,这种技术瓶颈在当前并未突破。而且,要方面农户使用,需要实时提出农作物长势的智能化监测结果,这有赖于利用典型农作物的基础观测数据,形成专家支持决策***,而这是单一的作物参数测量仪器领域无法完成的。
发明内容
为了解决上述技术问题,本发明根据农作物生长状况监测的需要,综合利用农作物对可见光的反射特性和激光结构光的性质,提出了一种基于激光与高光谱结合的便携式农作物参数测量与长势智能分析装置及方法。
本发明提供的一种便携式农作物参数测量与长势智能分析装置,其特征在于:包括光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块和电池模块;
所述光谱成像模块有6组,成上下两排各3个布置,所述光谱成像模块位于装置外壳的下底面中央,水平设置,工作时放置载农作物正上面;所述双目摄影测量模块为两组,分别排列在所述光谱成像模块的两侧;所述激光结构光散点发射器设置于所述光谱成像模块下方,所述光谱成像模块6个镜头的主光轴和所述双目摄影测量模块的2个镜头方向一致,主光轴平行向前;所述激光结构光散点发射器发射方向与所述光谱成像模块镜头方向一致;
所述成像采集控制模块分别与所述光谱成像模块、激光结构光散点发射器、双目摄影测量模块、数据采集模块、数据处理模块以及数据分析与应用模块连接;
所述电池模块分别与所述光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块连接,提供电力。
作为优选,所述光谱成像模块由可变焦镜头、特定波段滤光片和COMS图像传感器三组件组成,三组件按照从上到下顺序组装。
作为优选,所述可变焦镜头为固定孔径和焦长±30°视场角的镜头,使得光谱成像模块在2.5米高度可对地观测到3*3米的矩形区域。
作为优选,所述6个COMS图像传感器和对应镜头间分别配置涵盖蓝波段,绿波段,红波段,红边波段,红外波段的指定带通滤光片,双目摄影测量模块的2个COMS图像传感器不配滤光片。
作为优选,所述成像采集控制模块还配置有GPS模块、3G/WIFI模块和触摸屏模块,用于装置输出和输入信息。
本发明提供的一种便携式农作物参数测量与长势智能分析方法,其特征在于,包括以下步骤:
步骤1:农作物冠层三维重建,其具体实现包括以下子步骤:
步骤1.1:农作物冠层双目摄影测量测量的结构光形态调整;所述结构光形态包含激光频率和光束形状两个方面的参数;
步骤1.2:结构光摄影测量标定,包括相机标定和投影器标定两步骤;所述相机标定采用摄影测量光束法平差技术获取包含镜头畸变、内外方为元素在内的高精度的相机参数;所述投影器定标是将结构光投影到已知形状的标定物上,由相机拍摄影像,通过三角测量原理的逆过程即可实现结构光的标定;
步骤1.3:农作物冠层结构的快速三维重建;开启激光结构光散点发射器,然后利用双目摄影测量模块对农作物冠层进行拍照,双目摄影测量模块根据影像和激光结构光信息自动完成点云数据生成,点云数据即为三维数据集;
步骤2:光谱成像模块辐射校正,其具体实现包括以下子步骤:
步骤2.1:实验室绝对辐射定标,使用积分球作为定标辐射源,在室内状态下对光谱成像模块做辐射定标试验;
步骤2.2:基于地面标准反射板的影像快速辐射校正,通过在影像范围内放置标准白板,通过卷尺获取的高度信息,确定白板大小,定位白板位置,获取白板辐亮度值;
步骤3:冠层影像几何与光谱融合处理,其具体实现包括以下子步骤:
步骤3.1:基础几何处理;
步骤3.2:冠层影像处理;
步骤4:农作物长势参数信息提取功能,其具体实现包括以下子步骤:
步骤4.1:生物物理参数获取;
基于激光三角法测距原理的结构光测量技术,通过摄影测量技术获得每个光斑或光条的三维坐标或空间形态,能实现复杂自然条件下的农作物冠层结构的快速自动测量;
步骤4.2:生物化学参数获取;
记录和分析植被在特征波段的光谱反射信号,并结合激光结构光测量数据,估算反映农作物长势的生物化学参数,所述生物化学参数包括农作物覆盖度、叶面积指数和叶绿素含量。
作为优选,步骤2.1中所述的实验室绝对辐射定标,是让竖立于卫星侧面的半积分球输出的均匀稳定的辐射光,通过相机上方的45°测试反射镜转折入相机摆镜和镜头,经过分光棱镜和拼接棱镜照射到焦平面的CCD探元上,CCD探元完成光电转换后输出电压信号值,经过数传***接收处理,再通过数字采集模块采集定标数据。
作为优选,步骤3.1中所述的基础几何处理,首先通过激光探测器得到包括冠层高度、背景高度信息的多点距离信息和相机参数,利用相对几何空间关系进行光学相机比例尺计算;然后借助共线方程几何构象模型进行集合纠正,获取冠层正射影像;同时对多通道光学影像进行通道间配准,获取冠层多通道灰度序列数据。
作为优选,步骤3.2中所述的冠层影像处理,首先对冠层正射影像进行图像分割,获取冠层和背景特征影像;在此基础上进行冠层视面积计算获取冠层叶片面积参数;同时对配准后的多通道影像以波长为变量进行采样,从影像中提取冠层光谱数据。
相对于现有技术,本发明的有益效果是:能够以非接触方式一次性获取农作物对激光反射信息和六个敏感波段的高光谱影像,直接快速生成农作物具有三维立体模型的多光谱影像,从而直接提取农作物的植株高度、植株紧致度、叶面积指数、叶绿素含量、植株覆盖率等参数。
附图说明
图1:本发明实施例装置工作与功能设计示意图;
图2:本发明实施例装置设计原理图;
图3:本发明实施例装置中CMOS传感器在不同波长的量子效率图;
图4:本发明实施例方法中结构光摄影测量工艺图;
图5:本发明实施例方法中实验室辐射定标的工艺流程图;
图6:本发明实施例方法中基于地面标准反射板的影像快速辐射校正工艺流程图;
图7:本发明实施例方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明将多光谱相机和激光结构光相结合,实现便携式农作物长势参数测量和智能分析。该仪器体积小,重量轻,可手持使用或架设在多种地面平台上。本仪器包含硬件集成、数据采集、数据处理以及数据分析与应用模块功能,对快速对农作物进行实时长势监测。
请见图1和图2,本发明提供的一种便携式农作物参数测量与长势智能分析装置,包括光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块和电池模块;成像采集控制模块分别与所述光谱成像模块、激光结构光散点发射器、双目摄影测量模块、数据采集模块、数据处理模块以及数据分析与应用模块连接;电池模块分别与所述光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块连接,提供电力。
光谱成像模块由可变焦镜头、特定波段滤光片和COMS图像传感器三组件组成,三组件按照从上到下顺序组装。光谱成像模块有6组,成上下两排各3个布置,所述光谱成像模块位于装置外壳的下底面中央,水平设置,工作时放置载农作物正上面;
可变焦镜头为固定孔径和焦长±30°视场角的镜头,使得光谱成像模块在2.5米高度可对地观测到3*3米的矩形区域;6个COMS图像传感器和对应镜头间分别配置涵盖蓝波段,绿波段,红波段,红边波段,红外波段的指定带通滤光片,双目摄影测量模块的2个COMS图像传感器不配滤光片。
由于CMOS在不同波段的量子效率不同,所以不同波段之间的测量值需要校准后使用信号处理模块的软件进行归一化,请见图3,为CMOS传感器在不同波长的量子效率图
如果需要进行叶面积测量可综合激光测距仪的测量距离和自动调焦算法对焦距进行自动调节。
双目摄影测量模块为两组,用于获取可见光数字影像,分别排列在所述光谱成像模块的两侧;
激光结构光散点发射模块在本发明中将于双目摄影测量模块配合工作,用于辅助实现结构光摄影测量。激光结构光散点发射器接受外触发信号以在适当的时机发射二维激光光斑照射在农作物之上,对其成像后,ARM处理器通过结构光方法计算出农作物的外轮廓。
激光结构光散点发射器设置于所述光谱成像模块下方,光谱成像模块6个镜头的主光轴和所述双目摄影测量模块的2个镜头方向一致,主光轴平行向前;激光结构光散点发射器发射方向与所述光谱成像模块镜头方向一致;
本发明将基于激光三角法测距原理的结构光测量技术,实现复杂自然条件下的农作物冠层结构快速自动测量。以等分光器件将激光器单点光源转换为特定的形态作为光源,产生等等间隔点状投射光源,使其产生的光束照射被测表面。通过摄影测量技术获得每个光斑或光条的三维坐标或空间形态,通过空间插值技术实现农作物冠层结构的三维重建。
请见图4、图5、图6和图7,本发明提供的一种便携式农作物参数测量与长势智能分析方法,包括以下步骤:
步骤1:农作物冠层快速三维重建技术方法,其具体实现包括以下子步骤:
步骤1.1:农作物冠层双目摄影测量测量的结构光形态调整。该步骤针对不同农作物以及同一农作物不同时期的冠层结构都不相同,并且不同冠层对不同频率激光的反射与吸收率也存在差异。将通过实验调整,确定不同冠层条件下各自所对应的最佳结构光形态,并进一步确定若干种结构光形态及其所对应的特定植被冠层的应用条件。其中结构光形态包含激光频率和光束形状两个方面的参数。
步骤1.2:结构光摄影测量标定。结构光测量部件包括激光光投影器及其对应相机,它们之间构成刚体连接,共同实现双目摄影测量。因此,结构光标定可分为两个步骤:相机标定和投影器标定。请见图4,相机标定将采用成熟的摄影测量光束法平差技术获取包含镜头畸变、内外方为元素在内的高精度的相机参数;投影器定标是将结构光投影到已知形状的标定物上,由相机拍摄影像,通过三角测量原理的逆过程即可实现结构光的标定;
步骤1.3:农作物冠层结构的快速三维重建。开启激光结构光散点发射器,然后利用双目摄影测量模块对植被冠层进行拍照,双目摄影测量模块根据影像和激光结构光信息自动完成点云数据生成,点云数据即为三维数据集。
步骤2:光谱成像模块辐射校正。辐射校正通过实验室绝对定标和场地校正两个节段,前者建立DN值与影像辐射亮度转换关系,后者用于生成反射率影像。其具体实现包括以下子步骤:
步骤2.1:实验室绝对辐射定标。
实验室辐射定标实验使用半积分球作为定标辐射源,在室内状态下对光谱成像模块做辐射定标试验。实验室辐射定标的工艺流程见图5。
实验的基本方法是让竖立于卫星侧面的半积分球输出的均匀稳定的辐射光,通过相机上方的45°测试反射镜转折入相机摆镜和镜头,经过分光棱镜和拼接棱镜照射到焦平面的CCD探元上,CCD完成光电转换后输出电压信号值,经过数传***接收处理,再通过数字采集模块采集定标数据。把半积分球输出的辐射光看作是均匀光源,这是相对辐射校正的基础。为了保证定标数据的精度,较大程度上消除误差,半积分球光源包含13个辐亮度级(包括一级暗电流),各辐亮度级之间的辐亮度间隔基本一致,低辐亮度级模拟地面成像过程中的低反射率地物,高辐亮度级模拟地面成像过程中的高反射率地物。通过一级暗电流影像以及各级辐亮度影像,计算定标系数。
步骤2.2:基于地面标准反射板的影像快速辐射校正。
由于本仪器主要用于地面农作物冠层数据获取与信息提取,反射率影像获取主要通过在影像范围内放置标准白板,通过卷尺获取的高度信息,确定白板大小。快速定位白板位置,获取白板辐亮度值,如图6所示对整个影像进行反射率解算。
步骤3:冠层影像几何与光谱融合处理,本发明的冠层影像几何处理技术主要包括两个层次,即基础几何处理和冠层图像处理两部分。路线如图7所示。
步骤3.1基础几何处理。利用双目摄影测量模块可以实现基础几何处理,通过摄影测量技术解决比例尺计算、几何纠正和影像配准问题。首先,通过激光探测器得到的冠层高度、背景高度等多点距离信息和相机参数,利用相对几何空间关系进行光学相机比例尺计算;然后借助共线方程等几何构象模型进行集合纠正,获取冠层正射影像;同时对多通道光学影像进行通道间配准,获取冠层多通道灰度序列数据。
步骤3.2冠层影像处理。***将多光谱成像模块所获取光谱影像和双目摄影测量模块所提供的基础三维点云数据进行匹配,解决冠层参数获取问题。首先对冠层正射影像进行图像分割,获取冠层和背景特征影像;在此基础上进行冠层视面积计算获取冠层叶片面积等几何参数;同时对配准后的多通道影像以波长为变量进行采样,从影像中提取冠层光谱数据。
步骤4:农作物长势参数信息提取功能
农作物的生化物理参数决定了其光学特性,从而影响农作物冠层和电磁波的相互作用,导致了植被反射光谱信号的变化。高光谱遥感通过分析植被的光谱特征响应曲线,提取对农作物生长变化敏感的波段(即特征波段)的光谱反射数据,能够达到较高的反演精度。具体包括两个子步骤:
步骤4.1生物物理参数获取;
基于激光三角法测距原理的结构光测量技术,通过摄影测量技术获得每个光斑或光条的三维坐标或空间形态,能实现复杂自然条件下的农作物冠层结构的快速自动测量。
步骤4.2生物化学参数获取;
记录和分析植被在特征波段的光谱反射信号,并结合激光结构光测量数据,估算反映农作物长势的生物化学参数。本仪器可以架设在实验室或野外的植株上方,通过单次测量一次性得到多种参数,主要包括植被覆盖度、叶面积指数和叶绿素含量。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (9)
1.一种便携式农作物参数测量与长势智能分析装置,其特征在于:包括光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块和电池模块;
所述光谱成像模块有6组,成上下两排各3个布置,所述光谱成像模块位于装置外壳的下底面中央,水平设置,工作时放置载农作物正上面;所述双目摄影测量模块为两组,分别排列在所述光谱成像模块的两侧;所述激光结构光散点发射器设置于所述光谱成像模块下方,所述光谱成像模块6个镜头的主光轴和所述双目摄影测量模块的2个镜头方向一致,主光轴平行向前;所述激光结构光散点发射器发射方向与所述光谱成像模块镜头方向一致;
所述成像采集控制模块分别与所述光谱成像模块、激光结构光散点发射器、双目摄影测量模块、数据采集模块、数据处理模块以及数据分析与应用模块连接;
所述电池模块分别与所述光谱成像模块、激光结构光散点发射器、双目摄影测量模块、成像采集控制模块、数据采集模块、数据处理模块以及数据分析与应用模块连接,提供电力。
2.根据权利要求1所述的便携式农作物参数测量与长势智能分析装置,其特征在于:所述光谱成像模块由可变焦镜头、特定波段滤光片和COMS图像传感器三组件组成,三组件按照从上到下顺序组装。
3.根据权利要求2所述的便携式农作物参数测量与长势智能分析装置,其特征在于:所述可变焦镜头为固定孔径和焦长±30°视场角的镜头,使得光谱成像模块在2.5米高度可对地观测到3*3米的矩形区域。
4.根据权利要求2所述的便携式农作物参数测量与长势智能分析装置,其特征在于:所述6个COMS图像传感器和对应镜头间分别配置涵盖蓝波段、绿波段、红波段、红边波段、红外波段的指定带通滤光片,双目摄影测量模块的2个COMS图像传感器不配滤光片。
5.根据权利要求1所述的便携式农作物参数测量与长势智能分析装置,其特征在于:所述成像采集控制模块还配置有GPS模块、3G/WIFI模块和触摸屏模块,用于装置输出和输入信息。
6.一种便携式农作物参数测量与长势智能分析方法,其特征在于,包括以下步骤:
步骤1:农作物冠层三维重建,其具体实现包括以下子步骤:
步骤1.1:农作物冠层双目摄影测量测量的结构光形态调整;所述结构光形态包含激光频率和光束形状两个方面的参数;
步骤1.2:结构光摄影测量标定,包括相机标定和投影器标定两步骤;所述相机标定采用摄影测量光束法平差技术获取包含镜头畸变、内外方为元素在内的高精度的相机参数;所述投影器定标是将结构光投影到已知形状的标定物上,由相机拍摄影像,通过三角测量原理的逆过程即可实现结构光的标定;
步骤1.3:农作物冠层结构的快速三维重建;开启激光结构光散点发射器,然后利用双目摄影测量模块对农作物冠层进行拍照,双目摄影测量模块根据影像和激光结构光信息自动完成点云数据生成,点云数据即为三维数据集;
步骤2:光谱成像模块辐射校正,其具体实现包括以下子步骤:
步骤2.1:实验室绝对辐射定标,使用积分球作为定标辐射源,在室内状态下对光谱成像模块做辐射定标试验;
步骤2.2:基于地面标准反射板的影像快速辐射校正,通过在影像范围内放置标准白板,通过卷尺获取的高度信息,确定白板大小,定位白板位置,获取白板辐亮度值;
步骤3:冠层影像几何与光谱融合处理,其具体实现包括以下子步骤:
步骤3.1:基础几何处理;
步骤3.2:冠层影像处理;
步骤4:农作物长势参数信息提取功能,其具体实现包括以下子步骤:
步骤4.1:生物物理参数获取;
基于激光三角法测距原理的结构光测量技术,通过摄影测量技术获得每个光斑或光条的三维坐标或空间形态,能实现复杂自然条件下的农作物冠层结构的快速自动测量;
步骤4.2:生物化学参数获取;
记录和分析植被在特征波段的光谱反射信号,并结合激光结构光测量数据,估算反映农作物长势的生物化学参数,所述生物化学参数包括农作物覆盖度、叶面积指数和叶绿素含量。
7.根据权利要求6所述的便携式农作物参数测量与长势智能分析方法,其特征在于:步骤2.1中所述的实验室绝对辐射定标,是让竖立于卫星侧面的半积分球输出的均匀稳定的辐射光,通过相机上方的45°测试反射镜转折入相机摆镜和镜头,经过分光棱镜和拼接棱镜照射到焦平面的CCD探元上,CCD探元完成光电转换后输出电压信号值,经过数传***接收处理,再通过数字采集模块采集定标数据。
8.根据权利要求6所述的便携式农作物参数测量与长势智能分析方法,其特征在于:步骤3.1中所述的基础几何处理,首先通过激光探测器得到包括冠层高度、背景高度信息的多点距离信息和相机参数,利用相对几何空间关系进行光学相机比例尺计算;然后借助共线方程几何构象模型进行集合纠正,获取冠层正射影像;同时对多通道光学影像进行通道间配准,获取冠层多通道灰度序列数据。
9.根据权利要求6所述的便携式农作物参数测量与长势智能分析方法,其特征在于:步骤3.2中所述的冠层影像处理,首先对冠层正射影像进行图像分割,获取冠层和背景特征影像;在此基础上进行冠层视面积计算获取冠层叶片面积参数;同时对配准后的多通道影像以波长为变量进行采样,从影像中提取冠层光谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610015206.0A CN105675549B (zh) | 2016-01-11 | 2016-01-11 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610015206.0A CN105675549B (zh) | 2016-01-11 | 2016-01-11 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105675549A true CN105675549A (zh) | 2016-06-15 |
CN105675549B CN105675549B (zh) | 2019-03-19 |
Family
ID=56299817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610015206.0A Active CN105675549B (zh) | 2016-01-11 | 2016-01-11 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105675549B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106382919A (zh) * | 2016-09-09 | 2017-02-08 | 西北农林科技大学 | 一种农用三目遥感多光谱相机 |
CN106770185A (zh) * | 2016-12-28 | 2017-05-31 | 湖北省地质实验测试中心 | 一种基于ccd传感器的元素检测***和检测方法 |
CN106998416A (zh) * | 2017-03-03 | 2017-08-01 | 中国科学院遥感与数字地球研究所 | 图像拍摄设备及图像处理*** |
CN107152662A (zh) * | 2017-04-29 | 2017-09-12 | 桂林苏桥瑞芯科技股份有限公司 | 一种自动监测植物生长高度的调光*** |
CN107339948A (zh) * | 2017-06-28 | 2017-11-10 | 沈阳工业大学 | 一种喷杆与农作物植株之间距离的检测设备及方法 |
CN107436340A (zh) * | 2017-06-08 | 2017-12-05 | 北京农业信息技术研究中心 | 一种植物根冠一体化监测***及方法 |
CN107493780A (zh) * | 2017-09-26 | 2017-12-22 | 遵义百草谷药业有限公司 | 一种何首乌的种植方法 |
CN107515045A (zh) * | 2017-08-30 | 2017-12-26 | 中国科学院上海技术物理研究所 | 一种手机便携式多光谱成像方法及装置 |
CN107727610A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种用于含水透明组织的透射光谱成像仪 |
CN107727598A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种用于含水透明组织的透射光谱成像方法 |
CN107727606A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种适用于生物资源检测的综合光谱成像方法 |
CN107727607A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种适用于生物资源检测的综合光谱成像仪 |
CN107884359A (zh) * | 2017-10-13 | 2018-04-06 | 中国科学院上海技术物理研究所 | 一种标准反射式超连续谱成像方法 |
CN107976856A (zh) * | 2017-12-22 | 2018-05-01 | 西北农林科技大学 | 一种四目多光谱农用相机 |
CN108303043A (zh) * | 2017-12-29 | 2018-07-20 | 华南农业大学 | 多传感器信息融合的植物叶面积指数检测方法及*** |
CN108399650A (zh) * | 2018-01-26 | 2018-08-14 | 中国农业大学 | 一种叶绿素含量预测方法 |
CN108414454A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种植物三维结构及光谱信息的同步测量***及测量方法 |
CN108629835A (zh) * | 2017-03-20 | 2018-10-09 | 哈尔滨工业大学 | 基于高光谱、真彩图与点云互补的室内重建方法及*** |
CN108981569A (zh) * | 2018-07-09 | 2018-12-11 | 南京农业大学 | 一种基于多光谱点云融合的高通量温室植物表型测量*** |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN109211908A (zh) * | 2018-11-07 | 2019-01-15 | 南京恩格尔特信息科技有限公司 | 一种便捷式快速获取作物表型数据的设备和方法 |
CN109632663A (zh) * | 2018-12-14 | 2019-04-16 | 河北农业大学 | 一种藻液在线检测池装置 |
CN109708578A (zh) * | 2019-02-25 | 2019-05-03 | 中国农业科学院农业信息研究所 | 一种植株表型参数测量装置、方法及*** |
CN109887020A (zh) * | 2019-02-25 | 2019-06-14 | 中国农业科学院农业信息研究所 | 一种植株器官分离方法及*** |
CN110532936A (zh) * | 2019-08-26 | 2019-12-03 | 李清华 | 一种识别大田作物长势监控图像中绿色植物的方法及*** |
CN110766700A (zh) * | 2019-10-23 | 2020-02-07 | 吉林大学 | 基于数字微镜的icp-aes光谱图像处理方法 |
CN110927082A (zh) * | 2019-11-25 | 2020-03-27 | 北京大学 | 一种基于无人机成像高光谱遥感的冬小麦产量预测方法 |
CN111595781A (zh) * | 2020-05-15 | 2020-08-28 | 北京建筑大学 | 一种曲面拟合的地面高光谱影像反射率校正方法 |
CN111882621A (zh) * | 2020-07-22 | 2020-11-03 | 武汉大学 | 一种基于双目图像的大米厚度参数自动化测量方法 |
CN112097679A (zh) * | 2020-09-10 | 2020-12-18 | 厦门海铂特生物科技有限公司 | 一种基于光信息三维空间测量方法 |
CN112881343A (zh) * | 2021-01-12 | 2021-06-01 | 吉林工程技术师范学院 | 一种基于特征谱图视频图像监测水稻设备 |
CN113677192A (zh) * | 2019-02-15 | 2021-11-19 | 阿普哈维斯特技术股份有限公司 | 用于考验农业环境的深度和视觉传感器 |
CN107941334B (zh) * | 2017-10-13 | 2023-05-05 | 中国科学院上海技术物理研究所 | 一种标准反射式超连续谱成像仪器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1900741A (zh) * | 2005-11-18 | 2007-01-24 | 北京航空航天大学 | 高光谱全偏振三维成像集成探测*** |
CN103091296A (zh) * | 2013-01-23 | 2013-05-08 | 浙江大学 | 基于光谱成像技术的植物健康状况检测方法及其装置 |
CA2471352C (en) * | 2003-06-30 | 2014-01-28 | Weyerhaeuser Company | Method and system for three-dimensionally imaging an apical dome of a plant |
CN103971405A (zh) * | 2014-05-06 | 2014-08-06 | 重庆大学 | 一种激光散斑结构光及深度信息的三维重建方法 |
CN104408765A (zh) * | 2014-11-11 | 2015-03-11 | 中国科学院深圳先进技术研究院 | 植物扫描与重建方法 |
CN104614321A (zh) * | 2015-01-20 | 2015-05-13 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
-
2016
- 2016-01-11 CN CN201610015206.0A patent/CN105675549B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2471352C (en) * | 2003-06-30 | 2014-01-28 | Weyerhaeuser Company | Method and system for three-dimensionally imaging an apical dome of a plant |
CN1900741A (zh) * | 2005-11-18 | 2007-01-24 | 北京航空航天大学 | 高光谱全偏振三维成像集成探测*** |
CN103091296A (zh) * | 2013-01-23 | 2013-05-08 | 浙江大学 | 基于光谱成像技术的植物健康状况检测方法及其装置 |
CN103971405A (zh) * | 2014-05-06 | 2014-08-06 | 重庆大学 | 一种激光散斑结构光及深度信息的三维重建方法 |
CN104408765A (zh) * | 2014-11-11 | 2015-03-11 | 中国科学院深圳先进技术研究院 | 植物扫描与重建方法 |
CN104614321A (zh) * | 2015-01-20 | 2015-05-13 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
Non-Patent Citations (2)
Title |
---|
JAN BEHMANN ET AL.: "Generation and application of hyperspectral 3D plant models: methods and challenges", 《MACHINE VISION AND APPLICATIONS》 * |
王传宇 等: "基于双目立体视觉技术的玉米叶片三维重建", 《农业工程学报》 * |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106382919A (zh) * | 2016-09-09 | 2017-02-08 | 西北农林科技大学 | 一种农用三目遥感多光谱相机 |
CN106770185A (zh) * | 2016-12-28 | 2017-05-31 | 湖北省地质实验测试中心 | 一种基于ccd传感器的元素检测***和检测方法 |
CN106998416A (zh) * | 2017-03-03 | 2017-08-01 | 中国科学院遥感与数字地球研究所 | 图像拍摄设备及图像处理*** |
CN108629835B (zh) * | 2017-03-20 | 2021-10-01 | 哈尔滨工业大学 | 基于高光谱、真彩图与点云互补的室内重建方法及*** |
CN108629835A (zh) * | 2017-03-20 | 2018-10-09 | 哈尔滨工业大学 | 基于高光谱、真彩图与点云互补的室内重建方法及*** |
CN107152662A (zh) * | 2017-04-29 | 2017-09-12 | 桂林苏桥瑞芯科技股份有限公司 | 一种自动监测植物生长高度的调光*** |
CN107436340B (zh) * | 2017-06-08 | 2020-01-07 | 北京农业信息技术研究中心 | 一种植物根冠一体化监测***及方法 |
CN107436340A (zh) * | 2017-06-08 | 2017-12-05 | 北京农业信息技术研究中心 | 一种植物根冠一体化监测***及方法 |
CN107339948A (zh) * | 2017-06-28 | 2017-11-10 | 沈阳工业大学 | 一种喷杆与农作物植株之间距离的检测设备及方法 |
CN107339948B (zh) * | 2017-06-28 | 2023-07-07 | 沈阳工业大学 | 一种喷杆与农作物植株之间距离的检测设备及方法 |
CN107515045A (zh) * | 2017-08-30 | 2017-12-26 | 中国科学院上海技术物理研究所 | 一种手机便携式多光谱成像方法及装置 |
CN107493780A (zh) * | 2017-09-26 | 2017-12-22 | 遵义百草谷药业有限公司 | 一种何首乌的种植方法 |
CN107884359A (zh) * | 2017-10-13 | 2018-04-06 | 中国科学院上海技术物理研究所 | 一种标准反射式超连续谱成像方法 |
CN107727610B (zh) * | 2017-10-13 | 2020-04-07 | 中国科学院上海技术物理研究所 | 一种用于含水透明组织的透射光谱成像仪 |
CN107727598B (zh) * | 2017-10-13 | 2020-02-14 | 中国科学院上海技术物理研究所 | 一种用于含水透明组织的透射光谱成像方法 |
CN107727607A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种适用于生物资源检测的综合光谱成像仪 |
CN107727606B (zh) * | 2017-10-13 | 2019-11-26 | 中国科学院上海技术物理研究所 | 一种适用于生物资源检测的综合光谱成像方法 |
CN107727606A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种适用于生物资源检测的综合光谱成像方法 |
CN107941334B (zh) * | 2017-10-13 | 2023-05-05 | 中国科学院上海技术物理研究所 | 一种标准反射式超连续谱成像仪器 |
CN107727598A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种用于含水透明组织的透射光谱成像方法 |
CN107727610A (zh) * | 2017-10-13 | 2018-02-23 | 中国科学院上海技术物理研究所 | 一种用于含水透明组织的透射光谱成像仪 |
CN107884359B (zh) * | 2017-10-13 | 2020-02-14 | 中国科学院上海技术物理研究所 | 一种标准反射式超连续谱成像方法 |
CN107976856A (zh) * | 2017-12-22 | 2018-05-01 | 西北农林科技大学 | 一种四目多光谱农用相机 |
CN108303043B (zh) * | 2017-12-29 | 2020-04-17 | 华南农业大学 | 多传感器信息融合的植物叶面积指数检测方法及*** |
CN108303043A (zh) * | 2017-12-29 | 2018-07-20 | 华南农业大学 | 多传感器信息融合的植物叶面积指数检测方法及*** |
CN108414454A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种植物三维结构及光谱信息的同步测量***及测量方法 |
CN108399650B (zh) * | 2018-01-26 | 2020-06-30 | 中国农业大学 | 一种叶绿素含量预测方法 |
CN108399650A (zh) * | 2018-01-26 | 2018-08-14 | 中国农业大学 | 一种叶绿素含量预测方法 |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN108981569A (zh) * | 2018-07-09 | 2018-12-11 | 南京农业大学 | 一种基于多光谱点云融合的高通量温室植物表型测量*** |
CN109211908A (zh) * | 2018-11-07 | 2019-01-15 | 南京恩格尔特信息科技有限公司 | 一种便捷式快速获取作物表型数据的设备和方法 |
CN109632663A (zh) * | 2018-12-14 | 2019-04-16 | 河北农业大学 | 一种藻液在线检测池装置 |
CN113677192A (zh) * | 2019-02-15 | 2021-11-19 | 阿普哈维斯特技术股份有限公司 | 用于考验农业环境的深度和视觉传感器 |
CN109887020B (zh) * | 2019-02-25 | 2020-08-04 | 中国农业科学院农业信息研究所 | 一种植株器官分离方法及*** |
CN109708578B (zh) * | 2019-02-25 | 2020-07-24 | 中国农业科学院农业信息研究所 | 一种植株表型参数测量装置、方法及*** |
CN109708578A (zh) * | 2019-02-25 | 2019-05-03 | 中国农业科学院农业信息研究所 | 一种植株表型参数测量装置、方法及*** |
CN109887020A (zh) * | 2019-02-25 | 2019-06-14 | 中国农业科学院农业信息研究所 | 一种植株器官分离方法及*** |
CN110532936A (zh) * | 2019-08-26 | 2019-12-03 | 李清华 | 一种识别大田作物长势监控图像中绿色植物的方法及*** |
CN110766700A (zh) * | 2019-10-23 | 2020-02-07 | 吉林大学 | 基于数字微镜的icp-aes光谱图像处理方法 |
CN110766700B (zh) * | 2019-10-23 | 2022-01-28 | 吉林大学 | 基于数字微镜的icp-aes光谱图像处理方法 |
CN110927082A (zh) * | 2019-11-25 | 2020-03-27 | 北京大学 | 一种基于无人机成像高光谱遥感的冬小麦产量预测方法 |
CN111595781A (zh) * | 2020-05-15 | 2020-08-28 | 北京建筑大学 | 一种曲面拟合的地面高光谱影像反射率校正方法 |
CN111882621A (zh) * | 2020-07-22 | 2020-11-03 | 武汉大学 | 一种基于双目图像的大米厚度参数自动化测量方法 |
CN112097679A (zh) * | 2020-09-10 | 2020-12-18 | 厦门海铂特生物科技有限公司 | 一种基于光信息三维空间测量方法 |
CN112097679B (zh) * | 2020-09-10 | 2022-04-19 | 厦门海铂特生物科技有限公司 | 一种基于光信息三维空间测量方法 |
CN112881343A (zh) * | 2021-01-12 | 2021-06-01 | 吉林工程技术师范学院 | 一种基于特征谱图视频图像监测水稻设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105675549B (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105675549B (zh) | 一种便携式农作物参数测量与长势智能分析装置及方法 | |
CN100464167C (zh) | 一种红外测温实时校准的方法及装置 | |
Guillén-Climent et al. | Mapping radiation interception in row-structured orchards using 3D simulation and high-resolution airborne imagery acquired from a UAV | |
JP6390054B2 (ja) | モニタリングシステム | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
Stamford et al. | Development of an accurate low cost NDVI imaging system for assessing plant health | |
CN108414454A (zh) | 一种植物三维结构及光谱信息的同步测量***及测量方法 | |
CN105136732A (zh) | 田间作物双波段成像ndvi测量装置 | |
US20190383730A1 (en) | Multispectral image analysis system | |
Sakamoto et al. | Application of day and night digital photographs for estimating maize biophysical characteristics | |
CN109115687A (zh) | 一种基于手机的便携式多光谱成像装置和方法 | |
Mäkeläinen et al. | 2D hyperspectral frame imager camera data in photogrammetric mosaicking | |
CN105973469B (zh) | 带同步辐射矫正的无人机载高光谱图像探测仪及方法 | |
Schneider-Zapp et al. | A new method to determine multi-angular reflectance factor from lightweight multispectral cameras with sky sensor in a target-less workflow applicable to UAV | |
JPH05223638A (ja) | 測定画像の補正方法 | |
CN109087341B (zh) | 一种近距离高光谱相机与测距传感器的融合方法 | |
CN103558605B (zh) | 一种高光谱全波形激光雷达遥感*** | |
AU2021204034B2 (en) | Information processing device, information processing method and program | |
CN102435309A (zh) | 农业田间成像高光谱仪场地反射率定标方法及*** | |
JP2019039913A (ja) | モニタリングシステム | |
CN110057451A (zh) | 多光谱数据采集***及方法 | |
CN103528966B (zh) | 土壤深度圆柱面有机质光谱采集方法及其装置 | |
Hamidisepehr et al. | A low-cost method for collecting hyperspectral measurements from a small unmanned aircraft system | |
CN203629682U (zh) | 农用便携式一体化光谱装置 | |
CN209485536U (zh) | 一种基于手机的便携式多光谱成像装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |