CN112816441B - 一种设施园艺作物生长状况检测方法及装置 - Google Patents
一种设施园艺作物生长状况检测方法及装置 Download PDFInfo
- Publication number
- CN112816441B CN112816441B CN202011537614.5A CN202011537614A CN112816441B CN 112816441 B CN112816441 B CN 112816441B CN 202011537614 A CN202011537614 A CN 202011537614A CN 112816441 B CN112816441 B CN 112816441B
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- axis
- hyperspectral camera
- crops
- camera
- 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
- 230000012010 growth Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000002310 reflectometry Methods 0.000 claims abstract description 25
- 235000016709 nutrition Nutrition 0.000 claims abstract description 23
- 230000035764 nutrition Effects 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 16
- 239000000835 fiber Substances 0.000 claims abstract description 16
- 238000005286 illumination Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims description 30
- 239000013307 optical fiber Substances 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013145 classification model Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000011897 real-time detection Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 37
- 241001523681 Dendrobium Species 0.000 description 25
- 238000010413 gardening Methods 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000000701 chemical imaging Methods 0.000 description 6
- 238000003898 horticulture Methods 0.000 description 6
- 230000008635 plant growth Effects 0.000 description 5
- 240000004638 Dendrobium nobile Species 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 244000298697 Actinidia deliciosa Species 0.000 description 3
- 235000009436 Actinidia deliciosa Nutrition 0.000 description 3
- 235000019804 chlorophyll Nutrition 0.000 description 3
- 229930002875 chlorophyll Natural products 0.000 description 3
- 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 3
- 238000009434 installation Methods 0.000 description 3
- 238000000985 reflectance spectrum Methods 0.000 description 3
- 241001248610 Ophiocordyceps sinensis Species 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 241000227425 Pieris rapae crucivora Species 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 244000007853 Sarothamnus scoparius Species 0.000 description 1
- 206010042209 Stress Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000018514 detection of nutrient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000001863 plant nutrition Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种设施园艺作物生长状况检测方法及装置,该方法包括以下步骤:(1)园艺大棚作物在自然光照条件下,采用由高光谱相机和光纤光谱仪构成的差分光路,采集作物反射高光谱图像,并同步获得动态标准白板;(2)对作物反射高光谱图像进行目标分割,获得作物的ROI区域,从ROI区域中获取植株的外形参数,提取ROI区域中的平均反射率光谱,使用动态标准白板对反射率校正,得到植株反射率光谱,对植株进行营养检测;(3)结合外形参数和营养检测结果,实时对作物生长状况进行追踪。该方法在高光谱图像采集过程中,利用差分光路同步获得动态标准白板,解决了自然光的变化影响特征波段的选择的问题,实现精确地对作物生长状况实时跟踪。
Description
技术领域
本发明涉及视觉技术及植物生长状况监测领域,具体涉及一种设施园艺作物生长状况检测方法及装置。
背景技术
目前,我国设施园艺面积已突破330万公顷,居世界第一位。经常出现氮、磷、钾等主要营养元素比例失调和胁迫症状,直接影响产量和品质。但是由于缺乏先进适用的设施作物需肥需水信息与长势信息检测***,无法对作物的营养水份、长势信息进行全面、精确的检测和解析,无法感知和反映作物生长真实的调控要求,造成作物产量潜力没有被充分挖掘。因此,迫切需要应用更加全面、***、科学的作物生长信息检测装置,指导现代设施的生产运行,以提高产量,降低调控成本,减少过量施肥造成的浪费和面源污染,提高经济效益。设施作物生长信息无损检测主要包括作物氮磷钾营养、水分等养分检测和冠层面积、茎粗、株高、植株生长速率、果实质量和生长速率等长势信息检测两个方面。
目前,作物营养和水分等养分信息光谱诊断的专利所涉及的研究方法,主要是利用植物叶片在某些特定波长处的光谱反射率及其组合信息对作物的营养进行检测,例如专利申请号为2005100889350的发明专利,公开了一种便携式植物氮素和水分含量的无损检测方法及测量仪器,通过检测植株叶片在四个特征波长处的光谱反射强度信息来进行植物的营养诊断。利用对四个波长植被指数的反演来获取植物的氮素和含水率信息,即仅仅通过四个特征波段对叶片的光谱反射率分析,进而推断出单个植株营养水平,会造成很大的误差。所以通过使用波段更多的高光谱技术可以弥补数据量不足的缺憾。
高光谱成像技术与传统的方法相比,避免了化学方法费时费力,对植物有破坏性,时效性差无法实现调控的动态反馈等缺点。高光谱成像技术以其丰富的空间和光谱信息,成为设施作物生长状况跟踪不可或缺的技术手段。例如专利申请号为2010101499555的发明专利,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***,该***通过控制携带高光谱数据采集设备的小车采集设施栽培作物的高光谱数据,通过图像信息特征和光谱信息特征匹配作物的生长状况从而对作物的生长环境进行调控。例如专利申请号为2016100204084的发明专利,公开了一种基于高光谱的无损检测冬虫夏草子座粉/粉片真伪的方法,利用主成分分析法在短波红外波段940-2537nm中提取相关特征建立PLS-DA预测模型判别冬虫夏草子座粉样品的真伪。例如专利申请号为2016100204084的发明专利,公开了一种基于高光谱成像技术的猕猴桃膨大果(施用膨大剂的猕猴桃果实)的无损检测方法,对高光谱图像进行黑白校正和掩膜处理之后,对光谱数据降维提取特征波段建立线性模型,最终对猕猴桃膨大果的识别率达到99%。
上述的专利中都讲到了对高光谱数据进行反射率校正,例如专利申请号为2016100204084的发明专利中,虽然对光谱进行了黑白校正,但是并未考虑高光谱图像采集过程需要时间,在这段时间内,设施环境的自然光会随时间而变化,产生的波动会影响特征波段的选择。
发明内容
本发明的目的在于克服上述存在的问题,提供一种设施园艺作物生长状况检测方法,该方法在高光普图像采集过程中,利用差分光路同步获得动态标准白板,解决了自然光的变化影响特征波段的选择的问题,实现精确地对作物生长状况实时跟踪。
本发明的另一个目的在于提供一种设施园艺作物生长状况检测装置。
本发明的目的通过以下技术方案实现:
一种设施园艺作物生长状况检测方法,包括以下步骤:
(1)园艺大棚作物在自然光照条件下,采用由高光谱相机和光纤光谱仪构成的差分光路,采集作物反射高光谱图像,并同步获得动态标准白板;
(2)对作物反射高光谱图像进行目标分割,获得作物的ROI区域,从ROI区域中获取植株的外形参数,提取ROI区域中的平均反射率光谱,使用动态标准白板对反射率校正,得到植株反射率光谱,对植株进行营养检测;
(3)结合外形参数和营养检测结果,实时对作物生长状况进行追踪。
本发明的一个优选方案,其中,步骤(1)中,采用由高光谱相机和光纤光谱仪构成的差分光路,采集作物反射高光谱图像,并同步获得动态标准白板的具体方式为:高光谱相机与光纤光谱仪同步触发采集信号,高光谱相机选择曝光时间、空间分辨率、光谱分辨率、光谱范围等相机参数,采集作物反射高光谱图像;光纤光谱仪实时检测环境光照变化,每一个高光谱图像立方体对应着一组光纤光谱仪同步采集的环境光谱,根据环境光谱与高光谱相机初始时刻标准白板差分结果,获得动态标准白板。采用上述方式,通过动态标准白板计算高光谱图像反射率光谱,以消除光照变化对数据的影响,解决了自然光的变化影响特征波段的选择的问题,实现精确地对作物生长状况实时跟踪。
进一步地,在步骤(1)中,提取高光谱相机采集的作物反射高光谱图像,并提取与高光谱相机帧同步的光纤光谱仪对应光谱数据,用于计算高光谱图像反射率。
本发明的一个优选方案,其中,步骤(2)中,对作物反射高光谱图像进行目标分割,获得作物的ROI区域的具体步骤为:
(a)选取作物反射高光谱图像立方体中植株的茎与背景及叶片对比最大的特征波段;通过特征波段阈值分割的方法,将作物反射高光谱图像中的背景和叶片去除,得到第一掩膜;
(b)选取作物反射高光谱图像立方体中450nm、550nm、650nm的图像合成伪彩色图片,通过RGB阈值法去除由叶梢包裹的茎,得到第二掩膜;
(c)将第一掩膜和第二掩膜进行运算,得到第三掩膜,使用开闭运算将第三掩膜的连接域分离,将裸露的茎区域分离出来;
(d)将所有茎区域大小进行排序,最大的茎区域为ROI区域。
优选地,步骤(2)中,从ROI区域中获取植株的外形参数具体为:对ROI区域进行三波段伪彩色合成,在伪彩色图中进行边缘检测,得到植株叶片数、茎粗、茎高等外形参数。
优选地,步骤(2)中,对植株进行营养检测具体为:通过植株反射率光谱建立训练集,训练分类网络,建立分类模型,使用训练好的模型,进行营养和叶绿素等半定量检测。
优选地,所述高光谱相机采集作物高光谱图像包括顶拍模式以及侧拍模式,其中,
所述顶拍模式具体为:高光谱相机位于植株顶部,垂直向下拍摄植株;
所述侧拍模式具体为:高光谱相机位于植株侧方,水平拍摄植株。
一种设施园艺作物生长状况检测装置,包括设置在园艺大棚中的高光谱相机、光纤光谱仪以及处理终端,所述高光谱相机和光纤光谱仪分别与处理终端通讯连接;其中,
高光谱相机与光纤光谱仪同步触发采集信号,高光谱相机采集作物反射高光谱图像并将该作物高光谱图像发送至处理终端;光纤光谱仪实时检测环境光照变化并将该检测结果发送至处理终端;处理终端同步获得动态标准白板,并对作物高光谱图像进行反射率提取、计算分析。
优选地,所述园艺大棚顶部与高光谱相机之间设有用于驱动所述高光谱相机在所述园艺大棚顶部移动的驱动机构,所述驱动机构包括用于驱动所述高光谱相机沿着X轴方向移动的X轴驱动机构、用于驱动所述高光谱相机沿着Y轴方向运动的Y轴驱动机构以及用于驱动所述高光谱相机沿着Z轴方向运动的Z轴驱动机构。通过设置上述驱动机构,能够实现高光谱相机在园艺大棚中各个方向运动,进而实现对园艺大棚中的每棵植株生长状况实时跟踪。
优选地,所述X轴驱动机构包括设置在园艺大棚顶端的X轴电动滑轨、设置在X轴电动滑轨上且与其滑动配合的X轴滑轮以及用于驱动所述X轴滑轮移动的X轴步进电机;所述Y轴驱动机构包括设置在所述X轴电动滑轨下端且与所述X轴滑轮连接的滑动架、设置在所述滑动架下端的Y轴电动滑轨、设置在Y轴电动滑轨上且与其配合的Y轴滑轮以及用于驱动所述Y轴滑轮移动的Y轴步进电机;所述Z轴驱动机构包括设置在所述Y轴电动滑轨与高光谱相机之间的Z轴伸缩杆,该Z轴伸缩杆的上端与Y轴滑轮连接,下端与所述高光谱相机连接。采用上述结构,X轴步进电机驱动X轴滑轮沿着X轴电动滑轨移动,带动滑动架沿着沿着X轴电动滑轨运动,从而带动Z轴伸缩杆沿着X轴电动滑轨移动,进而带动高光谱相机沿着X轴电动滑轨运动;Y轴步进电机驱动Y轴滑轮沿着Y轴电动滑轨移动,带动Z轴伸缩杆沿着Y轴电动滑轨移动,进而实现高光谱相机沿着Y轴电动滑轨运动;通过Z轴伸缩杆可以驱动高光谱相机在Z轴上运动;上述机构能够实现高光谱相机在园艺大棚中沿着X轴、Y轴及Z轴方向运动,进而实现对园艺大棚中的每棵植株生长状况实时跟踪。
优选地,所述Z轴伸缩杆与所述高光谱相机之间设有安装头,所述安装头的上端与所述Z轴伸缩杆下端固定连接,下端与所述高光谱相机转动连接。采用上述机构,可以实现高光谱相机的顶拍和侧拍功能,当顶拍时,转动高光谱相机,将高光谱相机的镜头朝下,垂直向下拍摄植株的叶片;当侧拍时,转动高光谱相机90°,使得高光谱相机的镜头朝着水平方向,拍摄植株的茎。通过对植株顶拍和侧拍,能够对植株生长状况进行更加全面的追踪。
本发明与现有技术相比具有以下有益效果:
1、本发明中,通过高光谱相机采集作物反射高光谱图像,通过高光谱成像技术,获取植株的外形参数,并对植株进行营养检测,结合外形参数和营养检测结果,达到了实时对作物生长状况进行追踪的目的。
2、本发明中,采用由高光谱相机和光纤光谱仪构成的差分光路,采集作物反射高光谱图像,并同步获得动态标准白板,解决了自然光的变化影响特征波段的选择的问题,消除了光照变化对数据的影响,实现精确地对作物生长状况实时跟踪。
附图说明
图1为本发明中的一种设施园艺作物生长状况检测方法的流程图。
图2为本发明中的石斛反射高光谱图像进行目标分割的示意图。
图3为本发明中的高光谱成像检测装置的示意图。
图4为本发明中的标准板光谱最大值变化图。
图5为本发明中的标准板光谱随时间变化图。
图6为本发明中的经普通白板校正和动态白板校正的石斛曲线趋势图。
图7为本发明中的金钗石斛不同ROI区域反射光谱。
图8为本发明中的一种设施园艺作物生长状况检测装置的立体结构示意图。
具体实施方式
为了使本领域的技术人员很好地理解本发明的技术方案,下面结合实施例和附图对本发明作进一步描述,但本发明的实施方式不仅限于此。
参见图1,本实施例公开一种设施园艺作物生长状况检测方法,设施园艺作物以石斛为例,该方法包括以下步骤:
(1)园艺大棚作物在自然光照条件下,采用由高光谱相机14和光纤光谱仪9构成的差分光路,采集石斛反射高光谱图像,并同步获得动态标准白板,计算反射率;
(2)对石斛反射高光谱图像进行目标分割,获得作物的ROI区域,从ROI区域中获取石斛植株的外形参数,提取ROI区域中的平均反射率光谱,使用动态标准白板对反射率校正,得到石斛植株反射率光谱,对石斛植株进行营养检测;
(3)结合外形参数和营养检测结果,实时对石斛生长状况进行追踪。
本实施例中的设施园艺作物生长状况检测方法,采用由高光谱相机和光纤光谱仪构成的差分光路,采集作物反射高光谱图像,并同步获得动态标准白板,解决了自然光的变化影响特征波段的选择的问题,消除了光照变化对数据的影响,实现精确地对作物生长状况实时跟踪。
上述的园艺大棚作物在自然光照条件下,即不使用暗箱或暗室,不使用主动照明光源。
参见图1,步骤(1)中,采用由高光谱相机14和光纤光谱仪9构成的差分光路,采集石斛反射高光谱图像,并同步获得动态标准白板的具体方式为:高光谱相机14与光纤光谱仪9同步触发采集信号,高光谱相机14选择曝光时间、空间分辨率、光谱分辨率、光谱范围等相机参数,采集石斛反射高光谱图像;光纤光谱仪9实时检测环境光照变化,每一个高光谱图像立方体对应着一组光纤光谱仪9同步采集的环境光谱,根据环境光谱与高光谱相机14初始时刻标准白板差分结果,获得动态标准白板。采用上述方式,获取的动态标准白板用于计算高光谱图像反射率光谱,以消除光照变化对数据的影响,解决了自然光的变化影响特征波段的选择的问题,实现精确地对石斛生长状况实时跟踪。
参见图1和图4,在步骤(1)中,控制时钟同步触发高光谱相机14和光纤光谱仪9,由于高光谱相机14是线扫式的,完成目标物的拍摄需要一定时间,而在高光谱相机14采集图像的一段时间Δt内,光纤光谱仪9采集到了k个标准板的光谱信息Rwhite(ti),对这k个标准板的光谱取平均作为Δt内标准白板的光谱信息,可表示为:
由差分光路计算得出的反射率I(Δt)的计算公式可以表示为:
其中,Rraw(Δt)表示在时间Δt内拍摄的种子光谱,Rblack表示暗噪声的光谱(黑帧图像),Rwhite(Δt)表示在时间Δt内拍摄的标准板的平均光谱;同理,第二个Δt内的R‘white(Δt’)和I(Δt’)也可计算出来;其中,图4为标准板光谱最大值变化图。
参见图1和图2,步骤(2)中,对石斛反射高光谱图像进行目标分割,获得石斛的ROI区域的具体步骤为:
(a)选取石斛反射高光谱图像立方体中石斛植株的茎与背景及叶片对比最大的特征波段;通过特征波段阈值分割的方法,将石斛反射高光谱图像中的背景和叶片去除,得到第一掩膜;
(b)选取石斛反射高光谱图像立方体中450nm、550nm、650nm的图像合成伪彩色图片,通过RGB阈值法去除由叶梢包裹的茎,得到第二掩膜;
(c)将第一掩膜和第二掩膜进行运算,得到第三掩膜,使用开闭运算将第三掩膜的连接域分离,将裸露的茎区域分离出来;
(d)将所有茎区域大小进行排序,最大的茎区域为ROI区域。
参见图2,上述步骤中,通过第一次分割得到第一掩膜,通过第二次分割得到第二掩膜,使用“二次分割”的方法,实现了ROI区域的自动识别,避免了人工选择ROI区域时,数据波动大,数据污染等问题,提高了ROI区域选择的准确性和精确性;其中,1为选择的特征波段,2为去除背景和叶片,3为生成伪彩色图像,4为RGB阈值处理,5为第一掩膜和第二掩膜运算并区域排序获得ROI区域,6为获取的第三掩膜与伪彩色图像进行运算。
参见图1和图2,步骤(2)中,从ROI区域中获取石斛植株的外形参数具体为:对ROI区域进行三波段伪彩色合成,在伪彩色图中进行边缘检测,得到石斛植株叶片数、茎粗、茎高等外形参数。上述方法中,通过高光谱相机14的技术优势,对同一目标以2nm的高分辨率用400nm-1000nm之间的数百个波段连续成像,得到石斛植株叶片数、茎粗、茎高等外形参数。
参见图3-图6,步骤(2)中,对石斛植株进行营养检测前,需要对光纤光谱仪9进行校正,校正的装置为高光谱成像检测装置,该装置包括探测头7、光纤光谱仪9、电脑11、载物台13、放置在载物台13上金钗石斛样品12、三脚架15以及设置在三脚架15上的高光谱相机14,其中,所述探测头7通过光纤8与所述光纤光谱仪9连接,所述光纤光谱仪9和高光谱相机14均通过USB连接线10与电脑11连接。在外出实验时,太阳光照的变化会引起上述公式中Rwhite(Δt)的变化,而我们使用的是在拍摄植株前拍摄的白板信息,为此我们使用光纤光谱仪9采集高光谱相机14拍摄时刻的太阳光信息,将光纤光谱仪9采集到的数据与高光谱相机14采集到的白板信息比较,对标准白板的光谱进行校正,得到如附图6的经普通白板校正和动态白板校正的石斛曲线。
参见图1,步骤(2)中,对植株进行营养检测具体为:通过植株反射率光谱建立训练集,训练分类网络,建立分类模型,使用训练好的模型,进行营养和叶绿素等半定量检测。对石斛植株进行营养和叶绿素等半定量检测是通过对不同组织部位反射率光谱建立分类模型后,进行分类得到的。
具体地,所述高光谱相机14采集石斛高光谱图像包括顶拍模式以及侧拍模式,其中,所述顶拍模式具体为:高光谱相机14位于石斛植株顶部,垂直向下拍摄石斛植株;所述侧拍模式具体为:高光谱相机14位于石斛植株侧方,水平拍摄石斛植株。
参见图7,石斛的叶片和茎ROI区域的反射光谱不同。
本实施例还公开一种设施园艺作物生长状况检测装置,包括设置在园艺大棚中的高光谱相机14、光纤光谱仪9以及处理终端,所述高光谱相机14和光纤光谱仪9分别与处理终端通讯连接;其中,
高光谱相机14与光纤光谱仪9同步触发采集信号,高光谱相机14采集石斛反射高光谱图像并将该作物高光谱图像发送至处理终端;光纤光谱仪9实时检测环境光照变化并将该检测结果发送至处理终端,处理终端同步获得动态标准白板,并对作物高光谱图像进行反射率提取、计算分析。
具体地,所述高光谱相机14为面阵高光谱相机14或内置推扫高光谱相机14,一个光谱立方体采集过程中,相机整体不移动、不推扫;光谱范围处于400-1000nm;该高光谱相机14为LCTFs前置分光,通过法兰环与镜头密接,后接CCD。由5V3A的电源给微电脑控制器供电,微电脑控制器输出稳定的电流给USB连接器,USB连接器同时连接液晶滤光器、CCD和北斗定位***以实现同步触发,并实现与地面工作站无线通信。
具体地,所述光纤光谱仪9为光栅式分光装置,在同一时刻得到环境的一条光谱曲线,波长范围大于400-1000nm,光谱分辨率高于高光谱相机14。通过二次开发,实现与高光谱相机14采集数据的同步触发。
进一步地,所述处理终端上设有数据处理软件以及数据存储与处理器,所述高光谱相机14和光纤光谱仪9分别与处理终端通过信号通讯模块连接,所述数据处理软件应用于上述设施园艺作物生长状况检测方法,该高光谱相机14访问所述数据处理软件和数据存储与处理器实现图像的拍摄和保存。
进一步地,所述信号通讯模块可以为WIFI和蓝牙等任一种无线通讯设备。
进一步地,所述处理终端为电脑11或笔记本。
参见图8,所述园艺大棚顶部与高光谱相机14之间设有用于驱动所述高光谱相机14在所述园艺大棚顶部移动的驱动机构,所述驱动机构包括用于驱动所述高光谱相机14沿着X轴方向移动的X轴驱动机构、用于驱动所述高光谱相机14沿着Y轴方向运动的Y轴驱动机构以及用于驱动所述高光谱相机14沿着Z轴方向运动的Z轴驱动机构。通过设置上述驱动机构,能够实现高光谱相机14在园艺大棚中各个方向运动,进而实现对园艺大棚中的每棵植株生长状况实时跟踪。
参见图8,所述X轴驱动机构包括设置在园艺大棚顶端的X轴电动滑轨15、设置在X轴电动滑轨15上且与其滑动配合的X轴滑轮16以及用于驱动所述X轴滑轮16移动的X轴步进电机;所述Y轴驱动机构包括设置在所述X轴电动滑轨15下端且与所述X轴滑轮16连接的滑动架17、设置在所述滑动架17下端的Y轴电动滑轨18、设置在Y轴电动滑轨18上且与其配合的Y轴滑轮19以及用于驱动所述Y轴滑轮19移动的Y轴步进电机;所述Z轴驱动机构包括设置在所述Y轴电动滑轨18与高光谱相机14之间的Z轴伸缩杆20,该Z轴伸缩杆20的上端与Y轴滑轮19连接,下端与所述高光谱相机14连接。采用上述结构,X轴步进电机驱动X轴滑轮16沿着X轴电动滑轨15移动,带动滑动架17沿着沿着X轴电动滑轨15运动,从而带动Z轴伸缩杆20沿着X轴电动滑轨15移动,进而带动高光谱相机14沿着X轴电动滑轨15运动;Y轴步进电机驱动Y轴滑轮19沿着Y轴电动滑轨18移动,带动Z轴伸缩杆20沿着Y轴电动滑轨18移动,进而实现高光谱相机14沿着Y轴电动滑轨18运动;通过Z轴伸缩杆20可以驱动高光谱相机14在Z轴上运动;上述机构能够实现高光谱相机14在园艺大棚中沿着X轴、Y轴及Z轴方向运动,进而实现对园艺大棚中的每棵植株生长状况实时跟踪。通过设置上述结构,高光谱相机14可以根据植株的株距、行距、株高以及图像采集时间,选择在一植株处停留时间,和相邻两点的滑行距离。
参见图8,所述Z轴伸缩杆20与所述高光谱相机14之间设有安装头21,所述安装头21的上端与所述Z轴伸缩杆20下端固定连接,下端与所述高光谱相机14转动连接,该高光谱相机14可以旋转180°。采用上述机构,可以实现高光谱相机14的顶拍和侧拍功能,当顶拍时,转动高光谱相机14,将高光谱相机14的镜头朝下,垂直向下拍摄植株的叶片;当侧拍时,转动高光谱相机1490°,使得高光谱相机14的镜头朝着水平方向,拍摄植株的茎。通过对植株顶拍和侧拍,能够对植株生长状况进行更加全面的追踪。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所做的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种设施园艺作物生长状况检测方法,其特征在于,包括以下步骤:
(1)园艺大棚作物在自然光照条件下,采用由高光谱相机和光纤光谱仪构成的差分光路,采集作物反射高光谱图像,并同步获得动态标准白板;具体方式为:高光谱相机与光纤光谱仪同步触发采集信号,高光谱相机选择曝光时间、空间分辨率、光谱分辨率、光谱范围相机参数,采集作物反射高光谱图像;光纤光谱仪实时检测环境光照变化,每一个高光谱图像立方体对应着一组光纤光谱仪同步采集的环境光谱,根据环境光谱与高光谱相机初始时刻标准白板差分结果,获得动态标准白板,获取的动态标准白板用于计算高光谱图像反射率光谱,具体为:
由差分光路计算得出的反射率的计算公式表示为:
(2)对作物反射高光谱图像进行目标分割,获得作物的ROI区域,从ROI区域中获取植株的外形参数,提取ROI区域中的平均反射率光谱,使用动态标准白板对反射率校正,得到植株反射率光谱,对植株进行营养检测;
(3)结合外形参数和营养检测结果,实时对作物生长状况进行追踪;
步骤(2)中,对作物反射高光谱图像进行目标分割,获得作物的ROI区域的具体步骤为:
(a)选取作物反射高光谱图像立方体中植株的茎与背景及叶片对比最大的特征波段;通过特征波段阈值分割的方法,将作物反射高光谱图像中的背景和叶片去除,得到第一掩膜;
(b)选取作物反射高光谱图像立方体中450nm、550nm、650nm的图像合成伪彩色图片,通过RGB阈值法去除由叶梢包裹的茎,得到第二掩膜;
(c)将第一掩膜和第二掩膜进行运算,得到第三掩膜,使用开闭运算将第三掩膜的连接域分离,将裸露的茎区域分离出来;
(d)将所有茎区域大小进行排序,最大的茎区域为ROI区域。
2.根据权利要求1所述的一种设施园艺作物生长状况检测方法,其特征在于,步骤(2)中,从ROI区域中获取植株的外形参数具体为:对ROI区域进行三波段伪彩色合成,在伪彩色图中进行边缘检测,得到植株叶片数、茎粗、茎高外形参数。
3.根据权利要求1所述的一种设施园艺作物生长状况检测方法,其特征在于,步骤(2)中,对植株进行营养检测具体为:通过植株反射率光谱建立训练集,训练分类网络,建立分类模型,使用训练好的模型,进行营养半定量检测。
4.根据权利要求1所述的一种设施园艺作物生长状况检测方法,其特征在于,所述高光谱相机采集作物高光谱图像包括顶拍模式以及侧拍模式,其中,
所述顶拍模式具体为:高光谱相机位于植株顶部,垂直向下拍摄植株;
所述侧拍模式具体为:高光谱相机位于植株侧方,水平拍摄植株。
5.一种设施园艺作物生长状况检测装置,其特征在于,该装置用于实现权利要求1-4任一项所述的一种设施园艺作物生长状况检测方法,该装置包括设置在园艺大棚中的高光谱相机、光纤光谱仪以及处理终端,所述高光谱相机和光纤光谱仪分别与处理终端通讯连接;其中,
高光谱相机与光纤光谱仪同步触发采集信号,高光谱相机采集作物反射高光谱图像并将该作物高光谱图像发送至处理终端;光纤光谱仪实时检测环境光照变化并将该检测结果发送至处理终端;处理终端同步获得动态标准白板,并对作物高光谱图像进行反射率提取、计算分析。
6.根据权利要求5所述的一种设施园艺作物生长状况检测装置,其特征在于,所述园艺大棚顶部与高光谱相机之间设有用于驱动所述高光谱相机在所述园艺大棚顶部移动的驱动机构,所述驱动机构包括用于驱动所述高光谱相机沿着X轴方向移动的X轴驱动机构、用于驱动所述高光谱相机沿着Y轴方向运动的Y轴驱动机构以及用于驱动所述高光谱相机沿着Z轴方向运动的Z轴驱动机构。
7.根据权利要求6所述的一种设施园艺作物生长状况检测装置,其特征在于,所述X轴驱动机构包括设置在园艺大棚顶端的X轴电动滑轨、设置在X轴电动滑轨上且与其滑动配合的X轴滑轮以及用于驱动所述X轴滑轮移动的X轴步进电机;所述Y轴驱动机构包括设置在所述X轴电动滑轨下端且与所述X轴滑轮连接的滑动架、设置在所述滑动架下端的Y轴电动滑轨、设置在Y轴电动滑轨上且与其配合的Y轴滑轮以及用于驱动所述Y轴滑轮移动的Y轴步进电机;所述Z轴驱动机构包括设置在所述Y轴电动滑轨与高光谱相机之间的Z轴伸缩杆,该Z轴伸缩杆的上端与Y轴滑轮连接,下端与所述高光谱相机连接。
8.根据权利要求7所述的一种设施园艺作物生长状况检测装置,其特征在于,所述Z轴伸缩杆与所述高光谱相机之间设有安装头,所述安装头的上端与所述Z轴伸缩杆下端固定连接,下端与所述高光谱相机转动连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537614.5A CN112816441B (zh) | 2020-12-23 | 2020-12-23 | 一种设施园艺作物生长状况检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537614.5A CN112816441B (zh) | 2020-12-23 | 2020-12-23 | 一种设施园艺作物生长状况检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112816441A CN112816441A (zh) | 2021-05-18 |
CN112816441B true CN112816441B (zh) | 2022-09-02 |
Family
ID=75853993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011537614.5A Active CN112816441B (zh) | 2020-12-23 | 2020-12-23 | 一种设施园艺作物生长状况检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112816441B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358224B (zh) * | 2021-06-15 | 2023-09-26 | 杭州海康威视数字技术股份有限公司 | 一种光谱反射率检测方法及*** |
CN114136920A (zh) * | 2021-12-02 | 2022-03-04 | 华南农业大学 | 一种基于高光谱的单粒杂交水稻种子种类鉴定方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102384767B (zh) * | 2011-11-17 | 2014-03-12 | 江苏大学 | 一种设施作物生长信息无损检测装置和方法 |
US20140022381A1 (en) * | 2012-07-17 | 2014-01-23 | Tetracam, Inc. | Radiometric multi-spectral or hyperspectral camera array using matched area sensors and a calibrated ambient light collection device |
CN103293120A (zh) * | 2013-05-29 | 2013-09-11 | 浙江大学 | 一种室外便携式水稻叶瘟病实时检测***和方法 |
CN105021617B (zh) * | 2015-07-14 | 2017-10-27 | 华中农业大学 | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 |
CN105973466B (zh) * | 2016-04-27 | 2019-07-23 | 华为技术有限公司 | 用于光谱检测的方法和终端 |
CN110166704B (zh) * | 2019-05-30 | 2021-07-13 | 深圳市道创智能创新科技有限公司 | 多光谱相机的校准方法及装置 |
CN210953832U (zh) * | 2019-08-14 | 2020-07-07 | 陈�峰 | 基于空间轨道的植物表型采集设备 |
-
2020
- 2020-12-23 CN CN202011537614.5A patent/CN112816441B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112816441A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019113998A1 (zh) | 一种盆栽生菜的综合长势监测方法及装置 | |
US10303944B2 (en) | Plant stand counter | |
CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
CN102384767B (zh) | 一种设施作物生长信息无损检测装置和方法 | |
CN101915738B (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
CN103048266B (zh) | 一种设施番茄氮磷钾胁迫自动识别方法和装置 | |
CN112816441B (zh) | 一种设施园艺作物生长状况检测方法及装置 | |
CN103439265B (zh) | 一种茶树精细化栽培生育性状实时监测方法 | |
CN202382768U (zh) | 一种设施作物生长信息无损检测装置 | |
CN106290238A (zh) | 一种基于高光谱成像的苹果品种快速鉴别方法 | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
CN105021617B (zh) | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 | |
CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
AU2021204034B2 (en) | Information processing device, information processing method and program | |
Yang et al. | Airborne hyperspectral imagery and yield monitor data for estimating grain sorghum yield variability | |
CN109187417A (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测*** | |
CN115728249A (zh) | 一种番茄幼苗的叶绿素含量的预测方法及处理终端 | |
CN116746390A (zh) | 基于植物反射光谱的植物生长调节***和方法 | |
CN210775225U (zh) | 基于拉曼光谱的果实成熟度检测与采摘装置 | |
Qian et al. | Development and application of crop monitoring system for detecting chlorophyll content of tomato seedlings | |
Noble et al. | The use of spectral properties for weed detection and identification-a review | |
CN114782843A (zh) | 基于无人机多光谱图像融合的作物产量预测方法及*** | |
CN114494689A (zh) | 番茄干旱胁迫的识别方法 | |
Bicans et al. | IoT Camera-based Approach to Capture and Process SI-NDVI Sensor Data for Industrial Tomato Greenhouse | |
CN109557003B (zh) | 一种农药沉积量检测方法、装置及数据采集组合装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |