CH716708B1 - Methode zur Diagnose von Stickstoff, Kalium und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche. - Google Patents
Methode zur Diagnose von Stickstoff, Kalium und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche. Download PDFInfo
- Publication number
- CH716708B1 CH716708B1 CH01498/20A CH14982020A CH716708B1 CH 716708 B1 CH716708 B1 CH 716708B1 CH 01498/20 A CH01498/20 A CH 01498/20A CH 14982020 A CH14982020 A CH 14982020A CH 716708 B1 CH716708 B1 CH 716708B1
- Authority
- CH
- Switzerland
- Prior art keywords
- leaf
- potassium
- nitrogen
- areas
- chlorophyll
- Prior art date
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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/002—Determining nitrogen by transformation into ammonia, e.g. KJELDAHL method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Wood Science & Technology (AREA)
- Botany (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Diagnose von Stickstoff, Kalium und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche, wobei zuerst die Blattfläche des zu testenden Blattes in mehrere kleine Bereiche unterteilt wird, die regionalen Verteilungseigenschaften des Chlorophylls extrahiert werden de durchschnittliche. Chlorophyllgehalt, die Varianz des Chlorophyllgehalts, de maximale Chlorophyllgehalt und de minimale Chlorophyllgehalt welche alle Bildpunkten in dem kleinen Bereich der Blattchlorophyllblattverteilungsdiagramme entsprechen mithilfe der hyperspektralen Bildtechnologie extrahiert werden; auf dieser Grundlage wird das Diagnosemodell für N-, K- und Mg-Mangel erstellt, gemäß dem Modell kann N-, K- und Mg-Mangel in den zu testenden Blättern diagnostiziert werden. Die Einschränkung, dass das Verfahren zur Diagnose basierend auf dem Chlorophyllgehalt den Mangel an Stickstoff-, Kalium- und Magnesium von Gurkenblättern nicht gleichzeitig diagnostizieren kann, wird in vorliegender Erfindung überwunden, die Verteilungseigenschaften von Chlorophyll auf der Blattoberfläche können schnell und zerstörungsfrei extrahieren werden und eine effiziente Diagnose von Stickstoff-, Kalium- und Magnesiummangel des Blattes wird erzielt.
Description
GEBIET DER ERFINDUNG
[0001] Die Erfindung betrifft das technische Gebiet der Diagnose eines Mangels an Nährstoffelementen in Kulturpflanzen, sowie ein Verfahren zur Diagnose von Stickstoff, Kalium und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche.
STAND DER TECHNIK
[0002] Nährelemente sind wichtige Komponenten für die vom Blatt synthetisierten verschiedene organischen Verbindungen und nehmen an verschiedenen Arten von Metabolismen während des Blattwachstums und der Blattentwicklung teil. Ein Mangel an Nährelementen führt häufig zu Veränderungen der inneren Komponenten und der äußeren Morphologie des Blattes. Chlorophyll ist einer der Grundbestandteile von Pflanzenblättern. Wenn sich Pflanzen in einem Zustand des Nährstoffmangels befinden, werden die Synthese und der Metabolismus von Chlorophyll und anderen Pigmenten in den Blättern behindert, was wiederum zu entsprechenden Nährstoffmangelsymptomen in den Blättern führt.
[0003] Stickstoff, Kalium und Magnesium sind erforderliche Nährstoffe während des Wachstums und der Entwicklung von Gurkenpflanzen. Relevante Untersuchungen haben dargestellt, dass der Mangel an Stickstoff, Kalium und Magnesium zu einer Abnahme des Chlorophyllgehalts von Gurkenblättern führt und die Blätter zu Chlorose führt. Die Methode zur Diagnose eines Mangels, die auf dem Chlorophyllgehalt basiert, kann die Blättern mit Stickstoffmangel und normalen Blättern, die Blättern mit Kaliummangel und normalen Blättern, die Blättern mit Magnesiummangel und normalen Blättern wirksam unterscheiden, aber es ist schwierig, die Unterschiede zwischen der Blättern mit Stickstoffmangel, Kaliummangel und Blättern mit Magnesiummangel miteinander genau zu bestimmen, sodass eine effiziente Diagnose eines Mangels an Stickstoff, Kalium und Magnesium in Gurkenblättern. Physikalisch-chemischen Analysemethoden für Nährstoffelemente wie die Kjeldahl-Methode, Atomabsorptionsspektrometrie und dergleichen können den Stickstoff-, Kalium- und Magnesium-Nährstoffgehalt in Gurkenblättern präzise analysieren und wodurch die Diagnose eines Stickstoff-, Kalium- und Magnesiummangels in Gurkenblättern ermöglichen, die physikalisch-chemische Analyse der Nährstoffelemente für Diagnosemethode erfordert jedoch die Zerstörung der Testprobe, einen zeitaufwändigen sowie komplizierten Betriebsvorgang.
OFFENBARUNG DER ERFINDUNG
[0004] Die vorliegende Erfindung geht von dem Gesichtspunkt der Charakterisierung der Verteilungseigenschaften des Chlorophyllgehalts in Stickstoff-, Kalium- und Magnesiummangelnden Blättern aus, stellt ein Diagnoseverfahren für einen Stickstoff-, Kalium- und Magnesiummangel bereit, das auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche basiert.
[0005] Das Diagnoseverfahren für einen Stickstoff-, Kalium- und Magnesiummangel, was auf den Blattoberflächenverteilungseigenschaften von Blattchlorophyll basiert, umfasst insbesondere die folgenden Schritte:
Teilen der Blattoberfläche:
[0006] Die Blattoberfläche wird durch den Schnittpunkt der Hauptblattvenen des Blattes und den Hauptbeugungspunkten der Blattkonturlinie in Bereiche unterteilt, und der geteilte Bereich wird dann zusätzlich in mehrere Unterbereiche unterteilt.
[0007] Das Verfahren zur Unterteilung der Blattoberfläche in mehrere Bereiche umfasst: Nehmen des Schnittpunkts der Hauptblattvenen des Blattes als Ursprung, und Nehmen von a Hauptbeugungspunkten der Blattkonturlinie als Konturteilungspunkte, durch das Verbinden des Konturteilungspunkts und des Ursprungs werden Verbindungslinien welche die Bereiche teilen erhalten, wodurch die Blattoberfläche des Gurkenblattes in a-3 Bereiche unterteilen, wobei a eine positive ganze Zahl ist.
[0008] Das Verfahren zur Unterteilung der Bereiche in Unterbereiche umfasst folgende Schritte: Bestimmen von n Trennpunkten auf jeder Verbindungslinie und Verbinden der Trennpunkte von zwei benachbarten Bereichen mit Linien, um die Trennlinien der Unterbereiche zu bilden; Mittels der Verbindungslinien und den Trennlinien der Unterbereiche sowie der äußeren Konturlinie wird die Blattoberfläche des Blattes in m = (a-3) (n + 1) + 2 unterteilt;
[0009] Wobei die genannten a, m und n beide positive ganze Zahlen sind.
[0010] Wobei jeder Linienabschnitt, der durch die Unterteilung der Verbindungslinien durch die n Trennpunkten erstellt wird, die gleiche Länge hat.
Extrahieren der regionalen Verteilungseigenschaften von Chlorophyll:
[0011] Unter Verwendung mehrerer Blätter als Trainingsproben werden die Verteilungsdiagramme des Chlorophyllgehalts auf der Blattoberflächen der Blättern nacheinander erfasst, wobei die Standardparameter, für jeden Unterbereich anhand aller Bildpunkte in dem entsprechenden Unterbereich des Verteilungsdiagramme des Chlorophyllgehalts der Blattoberflächen der Blättern entsprechen, werden nacheinander extrahiert und das Array X für unabhängige Variablen wird konstruiert.
[0012] Die Standardparameter beinhalten den Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, den Maximalwert des Chlorophyllgehalts und den Minimalwert des Chlorophyllgehalts.
Erstellen des Diagnosemodells für Stickstoff-, Kalium- und Magnesiummangel:
[0013] Ermitteln des Gehalts von Stickstoff-, Kalium- und Magnesium der Blätter, Erstellen des Arrays Y für abhängige Variablen; Verwenden des Arrays X für unabhängige Variablen und des Arrays Y für abhängige Variablen, welche den Blättern entspricht, um ein Diagnosemodell für Stickstoff-, Kalium- und Magnesiummangel Y = F (X) zu erstellen.
[0014] Ein spezifisches Erstellungsverfahren des Arrays X für unabhängige Variablen ist wie folgt: Verwenden des Mittelwerts des Chlorophyllgehalts, der Varianz des Chlorophyllgehalts, des Maximalwerts des Chlorophyllgehalts und des Minimalwerts des Chlorophyllgehalts, welche allen Bildpunkten in m Unterbereichen in der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts der j Blättern entsprechen, um ein Array X für unabhängige Variablen mit j Zeilen × 4 m Spalten zu erstellen, wobei m und j beide positive ganze Zahlen sind.
[0015] Das Array Y für abhängige Variablen wird verwendet, um den Gehalt von Stickstoff, Kalium und Magnesium in j Blättern darzustellen, und wird mit der folgenden Methode erstellt: Verwenden der physikalisch-chemischen Analysemethode von Nährelementen, um den Gehalt von Stickstoff, Kalium und Magnesium in j Blättern nacheinander erfassen zu können und ein Variablen Array Y mit j Zeilen × 3 Spalten zu erstellen, wobei j eine positive ganze Zahl ist.
[0016] Wobei die erste Spalte des Arrays Y für abhängige Variablen verwendet wird, um den Nährstoffzustand von Stickstoff aufzuzeichnen, ein Wert von 0 bedeutet, dass der entsprechende Stickstoff des Blattes normal ist, und ein Wert von 1 den entsprechenden Stickstoffmangel des Blattes darstellt; Die zweite Spalte des Array Y für abhängige Variablen verwendet wird, um den Gehalt von Kalium aufzuzeichnen, ein Wert von 0 bedeutet, dass das entsprechende Kalium des Blattes normal ist, und ein Wert von 1 den entsprechenden Kaliummangel des Blattes darstellt; Die dritte Spalte des Array Y für abhängigen Variablen verwendet wird, um den Gehalt von Magnesium aufzuzeichnen, ein Wert von 0 bedeutet, dass das entsprechende Magnesium des Blattes normal ist, und ein Wert von 1 den entsprechenden Magnesiummangel des Blattes darstellt;
Diagnose für Stickstoff-, Kalium- und Maqnesiummanqel in zu testenden Blättern:
[0017] Teilen der Blattoberfläche des zu testenden Blattes in mehrere Unterbereiche und extrahieren nacheinander die Standardparameter, die allen Bildpunkten in mehrere Unterbereichen in der Blattoberflächenverteilungsdiagramme des Chlorophylls des zu testenden Blattes entsprechen, um das Array X' für unabhängige Variablen des zu getesteten Blattes zu erstellen. Das Array X' für unabhängige Variablen des zu testenden Blattes wird in das Stickstoff-, Kalium- und Magnesiummangel-Diagnosemodell Y = F (X) eingesetzt, und das Array für abhängige Variablen Y '= F (X') von dem zu testenden Blatt wird berechnet.
[0018] Die Standardparameter umfassen den Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, den Maximalwert des Chlorophyllgehalts und den Minimalwert des Chlorophyllgehalts.
Die vorteilhaften Wirkungen der vorliegenden Erfindung:
[0019] Unter dem Gesichtspunkt der Charakterisierung der Verteilungseigenschaften des Chlorophyllgehalts in Stickstoff-, Kalium- und Magnesiummangelnden Blättern wird die Gurkenblattoberfläche in mehrere Unterbereiche unterteilt, und der Mittelwert, die Varianz sowie die Maximal- und Minimalwerte des Chlorophyllgehalts bei allen Bildpunkten in jedem Unterbereich werden einzeln extrahiert, wobei die präzise Charakterisierung der Oberflächenverteilungseigenschaften von Chlorophyll des Gurkenblattes erzielt wird. Mit den extrahierten Blattverteilungseigenschaften von Chlorophyll wird ein Diagnosemodell des Stickstoff-, Kalium- und Magnesiummangels der Gurkenblätter erstellt; Ein Verfahren zur Diagnose von Stickstoff-, Kalium- und Magnesiummangel wird basierend auf den Verteilungseigenschaften von Chlorophyll auf der Blattoberfläche von Gurkenblättern erstellt, wobei die Einschränkung, dass das Diagnoseverfahren basierend auf dem Chlorophyllgehalt den Mangel an Stickstoff-, Kalium- und Magnesium von Gurkenblättern nicht gleichzeitig diagnostizieren kann, überwunden wird. Durch die Verwendung der Lösung der vorliegenden Erfindung und dem erstellten Modell zur Stickstoff-, Kalium- und Magnesiummangel können die Verteilungseigenschaften von Chlorophyll auf der Blattoberfläche schnell und zerstörungsfrei extrahieren werden wobei eine effiziente Diagnose von Stickstoff-, Kalium- und Magnesiummangel des Blattes ermöglicht wird.
[0020] Das hyperspektrale Bildgebungsverfahren kann nicht nur die zweidimensionalen Bildinformationen der zu testenden Probe bestimmen, sondern auch die spektralen Informationen, die jedem Bildpunkt im zweidimensionalen Bild entsprechen. Unter Verwendung der Empfindlichkeit der Spektralinformationen der Bildpunkt zu dem zu messenden Gehalt der Komponenten kann der zu messende Gehalt der Komponenten, der jeweils Bildpunkt entspricht, einzeln analysiert werden, sodass die Verteilung des Gehalts der zu messenden Komponenten im Probenraum visualisiert werden kann.
Kurze Beschreibung der Zeichnungen
[0021] Figur 1 zeigt ein schematisches Diagramm der Segmentierung der Bereiche der Blattoberfläche des Gurkenblattes; Figur 2 zeigt ein Verteilungsdiagramm des Chlorophyllgehalts auf der Blattoberfläche von Gurkenblättern, wobei a eine Legende und b ein Chlorophyllverteilungsdiagramm ist; Figur 3 zeigt ein Verteilungsdiagramm des Chlorophyllgehalts auf der Blattoberfläche eines Gurkenblattes nach regionaler Teilung.
Beschreibung der Ausführungsformen
[0022] Um die Ziele, technischen Lösungen und Vorteile der vorliegenden Erfindung klarer zu machen und dem Fachmann ein besseres Verständnis der technischen Lösungen der vorliegenden Erfindung zu ermöglichen, werden die technischen Lösungen der vorliegenden Erfindung im Folgenden in Verbindung mit den Zeichnungen und spezifischen Ausführungsformen der vorliegenden Erfindung klarer und vollständiger erläutert. Offensichtlich sind die beschriebenen Ausführungsformen Teil der Ausführungsformen der vorliegenden Erfindung, aber nicht alle. Alle andere Ausführungsformen, die auf den Ausführungsformen der vorliegenden Erfindung basieren und vom Fachmann ohne kreative Arbeit erhältlich sind, gehören zum Umfang des Erfindungsschutzes der vorliegenden Erfindung.
Beispiel 1: Ein Verfahren zur Diagnose von Stickstoff-, Kalium- und Magnesiummangel basierend auf den Verteilungseigenschaften des Blattchlorophylls auf der Blattoberfläche
[0023] Es umfasst die folgenden Schritte:
[0024] Teilen der Blattoberfläche: Nehmen des Schnittpunkts der Hauptblattvenen des Blattes als Ursprung, des Hauptbeugungspunkts a der Blattkonturlinie als Konturteilungspunkt, durch dem Verbinden des Konturteilungspunkts und des Ursprungs werden die Verbindungslinien welche die Bereiche teilen erhalten, wodurch die Blattoberfläche des Gurkenblattes in a-3 große Bereiche unterteilt;
[0025] Bestimmen von n Trennpunkten auf jeder Verbindungslinie und Verbinden der Trennpunkte von zwei benachbarten Bereichen mit Linien, um die Trennlinien der Unterbereiche zu bilden; Mittels der Verbindungslinien und den Trennlinien der Unterbereiche sowie der äußeren Konturlinie wird die Blattoberfläche des Blattes in m = (a-3) (n + 1) + 2 unterteilt, wobei jeder Linienabschnitt, der durch die Unterteilung der Verbindungslinien durch die n Trennpunkten erstellt wird, die gleiche Länge hat.
[0026] Extraktion der regionalen Verteilungseigenschaften von Chlorophyll: Unter Verwendung von j-Blättern als Trainingsmuster wird das hyperspektrale Bildgebungsverfahren verwendet, um die Chlorophyllgehalt-Verteilungsmuster auf der Blattoberfläche von j Blättern nacheinander zu extrahieren; die m Unterbereiche werden nach dem Teilen in entsprechende Bereiche der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts ohne Wiederholung nummeriert: Extrahieren nacheinander des Mittelwertes des Chlorophyllgehalts, der Varianz des Chlorophyllgehalts, des Maximalwertes des Chlorophyllgehalts und des Minimalwertes des Chlorophyllgehalts, welche den allen Bildpunkten in m Unterbereichen in der Blattoberflächenverteilungsdiagramme des Blattchlorophylls von j Blättern entsprechen. Das Berechnungsverfahren des Mittelwerts des Chlorophyllgehalts besteht darin, den Chlorophyllgehalt, der jedem Bildpunkt in einem einzelnen Unterbereich entspricht, zu extrahieren und den Mittelwert zu berechnen, der allen Bildpunkten in dem Unterbereich entspricht; wobei das Berechnungsverfahren der Varianz des Chlorophyllgehalts darin besteht, den Chlorophyllgehalt, der jedem Bildpunkt in einem einzelnen Unterbereich entspricht, zu extrahieren und die Varianz zu berechnen, der allen Bildpunkten in dem Unterbereich entspricht; wobei das Berechnungsverfahren des Maximal- und Minimalwertes des Chlorophyllgehalts darin besteht, den Chlorophyllgehalt, der jedem Bildpunkt in einem einzelnen Unterbereich entspricht, zu extrahieren und den Maximal- und Minimalwert zu berechnen, der allen Bildpunkten in dem Unterbereich entspricht;
[0027] Erstellen des Diagnosemodells für Stickstoff-, Kalium- und Magnesiummangel: Verwenden des Mittelwerts des Chlorophyllgehalts, der Varianz des Chlorophyllgehalts, des Maximalwerts des Chlorophyllgehalts und des Minimalwerts des Chlorophyllgehalts, welche allen Bildpunkten in m Unterbereichen in der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts der J Blättern entsprechen, um ein Array X für unabhängige Variablen mit j Zeilen × 4 m Spalten zu erstellen; Verwenden der physikalisch-chemischen Analysemethode von Nährelementen, um den Gehalt von Stickstoff, Kalium und Magnesium in j Blättern nacheinander erfassen zu können und ein Array Y für abhängige Variablen mit j Zeilen × 3 Spalten zu erstellen, dadurch wird der Gehalt von Stickstoff, Kalium und Magnesium in j Blättern dargestellt; Verwenden des Arrays X für unabhängige Variablen und des Arrays Y für abhängige Variablen, der j Gurkenblätter zugeordnet sind, in Kombination mit dem K-Algorithmus zur Erkennung des nächsten Nachbarn, um ein Diagnosemodell für Stickstoff-, Kalium- und Magnesiummangel Y = F (X) zu erstellen.
[0028] Wobei die erste Spalte des Arrays Y für abhängige Variablen verwendet wird, um den Nährstoffzustand von Stickstoff aufzuzeichnen, ein Wert von 0 bedeutet, dass der entsprechende Stickstoff des Blattes normal ist, und ein Wert von 1 den entsprechenden Stickstoffmangel des Blattes darstellt; Die zweite Spalte des Arrays Y für abhängige Variablen wird verwendet, um den Gehalt von Kalium aufzuzeichnen, ein Wert von 0 bedeutet, dass das entsprechende Kalium des Blattes normal ist, und ein Wert von 1 den entsprechenden Kaliummangel des Blattes darstellt; Die dritte Spalte des Arrays Y für abhängige Variablen wird verwendet, um den Gehalt von Magnesium aufzuzeichnen, ein Wert von 0 bedeutet, dass das entsprechende Magnesium des Blattes normal ist, und ein Wert von 1 den entsprechenden Magnesiummangel des Blattes darstellt;
[0029] Diagnose für Stickstoff-, Kalium- und Magnesiummangel in zu testenden Blättern: Für die zu testenden q Blätter, wird jeder Bereich von Blattoberfläche des zu testenden Blattes mittels der Verbindungslinien, der Teilungslinien der Unterbereiche und der äußeren Konturlinie in m Unterbereiche unterteilt, und nacheinander der Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, der Maximalwert des Chlorophyllgehalts und der Minimalwert des Chlorophyllgehalts extrahiert, welche allen Bildpunkten in den m Unterbereichen in dem Verteilungsdiagramm des Blattchlorophylls auf der Blattoberfläche der q zu testenden Blättern entsprechen, Erstellen eines Arrays X' für unabhängige Variablen des zu testenden Blattes mit q-Zeile × 4m-Spalte. Das Array X' für unabhängige Variablen des zu testenden Blattes wird in das Stickstoff-, Kalium- und Magnesiummangel-Diagnosemodell Y = F (X) eingesetzt, und das Array für abhängige Variablen Y'= F (X') mit q-Zeile × 3-Spalte von dem zu testenden Blatt wird berechnet, wobei der Nährstoffzustand von Stickstoff, Kalium und Magnesium des u-tenzu testenden Blattes durch den Wert Y'u in der u-ten-Reihe des Arrays Y' für abhängige Variablen des zu testenden Blattes bestimmt wird.
[0030] Wobei a, m, n, q, j alle positive ganze Zahlen sind.
Beispiel 2: Eine Diagnose für Stickstoff-, Kalium- und Magnesiummangel basierend auf den Verteilungseigenschaften von Chlorophyll von Gurkenblättern
[0031] Es umfasst vier Schritte: Teilen der Bereiche von Gurkenblattoberfläche, Extrahieren der regionalen Verteilungseigenschaften von Chlorophyll, Erstellen des Diagnosemodells für Stickstoff-, Kalium- und Magnesiummangel, Diagnose für Stickstoff-, Kalium- und Magnesiummangel in zu testenden Gurkenblättern. S1. Teilen der Bereiche von Gurkenblattoberfläche: (1) Nehmen des Schnittpunkts der Hauptblattvenen der Gurkenblätter als Punkt O und des geschlossenen Bereichs, der durch die Konturlinie der Gurkenblätter gebildet wird, als den zu teilenden Bereich der Gurkenblätter. Wählen Sie nacheinander die neun Hauptbeugungspunkte der Konturlinie der Gurkenblätter A, B, C, D, E, F, G, H und I als Konturteilungspunkte, dabei ist Konturteilungspunkt E die Spitze des Gurkenblattes am Ende der längsten Hauptblattvenen, durch der Verbindungen von Konturteilungspunkte B, C, D, E, F, G, H als Startpunkt bis zur O-Punkt als Endpunkt, werden die Segmentierungslinie BO, CO, DO, EO, FO, GO, HO von großer Bereiche erhalten; somit wird die Gurkenblattoberfläche in acht große Bereiche OAB, OBC, OCD, ODE, OEF, OFG, OGH, OHI unterteilt., wie in Abbildung 1 gezeigt. (2) Bestimmen 3 (d. h. n = 3) Trennpunkte der Unterbereiche B1, B2, B3 auf den Verbindungslinien der Bereiche BO, so dass die Längen der Linienabschnitte BB1, B1B2, B2B3, B3O gleich sind; Bestimmen 3 Trennpunkte der Unterbereiche C1, C2, C3 auf den Verbindungslinien der Bereiche CO, so dass die Längen der Linienabschnitte CC1, C1C2, C2C3, C3O gleich sind, Bestimmen 3 Trennpunkte der Unterbereichen D1, D2, D3 auf den Verbindungslinien der Bereiche DO, so dass die Längen der Linienabschnitte DD1, D1D2, D2D3, D3O gleich sind; Bestimmen 3 Trennpunkte der Unterbereichen E1, E2, E3 auf dem Verbindungslinien der Bereiche EO, so dass die Längen der Linienabschnitte EE1, E1E2, E2E3, E3O gleich sind; Bestimmen 3 Trennpunkte der Unterbereiche F1, F2, F3 auf den Verbindungslinien der Bereiche FO, so dass die Längen der Linienabschnitte FF1, F1F2, F2F3, F3O gleich sind; Bestimmen 3 Trennpunkte der Unterbereiche G1, G2, G3 auf den Verbindungslinien der Bereiche GO, so dass die Längen der Linienabschnitte GG1, G1G2, G2G3, G3O gleich sind; Bestimmen der 3 Trennpunkte der Unterbereiche H1, H2, H3 auf den Verbindungslinien der Bereiche HO, so dass die Längen der Linienabschnitte HH1, H1H2, H2H3, H3O gleich sind. (3) Die Trennpunkte B1C1, B2C2, B3C3, C1D1, C2D2, C3D3, D1E1, D2E2, D3E3, E1F1, E2F2, E3F3, F1G1, F2G2, F3G3, G1H1, G2H2, G3H3werden jeweils verbunden um die Trennlinien der Unterbereiche zu bilden, mittels der Verbindungslinien und den Trennlinien der Unterbereiche sowie der äußeren Konturlinie wird die Gurkenblattoberfläche in 26 Unterbereiche unterteilt; S2 Extrahieren der regionalen Verteilungseigenschaften von Chlorophyll: (1) Unter Verwendung der durch Bodenloser Anbau gezüchteten 60 Gurkenblätter als Trainingsproben, mit hyperspektralem Bildgebungsverfahren (ImSpector V10E, Spectral Imaging Ltd., Oulu, Finnland) werden die Chlorophyllgehalt-Verteilungsmuster K1, K2, ..., K59, K60von 60 (d. h. j = 60) Gurkenblättern nacheinander untersucht; das Chlorophyllgehalt-Verteilungsmusters eines einzelnen Gurkenblattes ist in Abbildung 2 dargestellt, wobei die Intensitätswert des Bildpunkts in dem Verteilungsmusters den Chlorophyllgehalt des eigenen Bildpunkts repräsentiert, je kleiner der Intensitätswert des Bildpunkts ist, desto niedriger der Chlorophyllgehalt des eigenen Bildpunkts ist, je größer der Intensitätswert des Bildpunkts ist, desto höher ist der Chlorophyllgehalt des jeweiligen Bildpunkts , die entsprechende Beziehung des Intensitätswertes des Bildpunkt und des Gehaltswerts von Chlorophyll ist in Legende a in Abbildung 2 dargestellt. (2) Die 26 kleine Bereiche sind ohne Wiederholung in den entsprechenden Bereichen auf die Blattverteilungsdiagramme des Chlorophyllgehalts nummeriert. Die Blattverteilung des Chlorophyllgehalts von Gurkenblättern nach der Teilung der Bereiche ist in Figur 3 gezeigt, von denen die entsprechenden Nummern der 26 kleinen Bereichen sind die in Figur 3 zeigte arabischen Ziffern in Klammern in jedem kleinen Bereich. (3) Extrahieren des Mittelwertes X_P1_1, X_P1_2, ..., X_P1_59, X_P1_60 von Chlorophyllgehalt, der allen Bildpunkten in 26 kleinen Bereichen in der Blattoberflächenverteilungsdiagramme K1, K2, ..., K59, K60 des Chlorophylls von 60 Gurkenblättern entspricht, wobei der Mittelwert des Chlorophyllgehalts, der der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts Kivon i-ten Gurkenblatt entspricht, also X_P1_i = [X_P1_i_1, X_P1_i_2, ..., X_P1_i_25, X_P1_i_26], und X_P1_i_v ist der Mittelwert des Chlorophyllgehalts, der allen Bildpunkten in v-ten kleinem Bereich in i-ten Gurkenblatt entspricht, und i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. (4) Extrahieren der Varianz X_P2_1, X_P2_2, ..., X_P2_59, X_P2_60 von Chlorophyllgehalt, der allen Bildpunkten in 26 kleinen Bereichen in der Blattoberflächenverteilungsdiagramme K1, K2, ..., K59, K60 des Chlorophylls von 60 Gurkenblättern entspricht, wobei die Varianz des Chlorophyllgehalts, der der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts Kivon i-ten Gurkenblatt entspricht, also X_P2_i = [X_P2_i_1, X_P2_i_2, ..., X_P2_i_25, X_P2_i_26], und X_P2_i_v ist die Varianz des Chlorophyllgehalts, der allen Bildpunkten in v-ten kleinem Bereich in i-ten Gurkenblatt entspricht, und i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. (5) Extrahieren des Maximalwertes X_P3_1, X_P3_2, ..., X_P3_59, X_P3_60 von Chlorophyllgehalt, der allen Bildpunkten in 26 kleinen Bereichen in der Blattoberflächenverteilungsdiagramme des Chlorophylls von 60 Gurkenblättern K1, K2, ..., K59, K60 entspricht, wobei der Maximalwert des Chlorophyllgehalts, der der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts Klvon i-ten Gurkenblatt entspricht, also X_P3_i = [X_P3_i_1, X_P3_i_2, ..., X_P3_i_25, X_P3_i_26], und X_P3_i_v ist der Maximalwert des Chlorophyllgehalts, der allen Bildpunkten in v-ten kleinem Bereich in i-ten Gurkenblatt entspricht, und i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. (6) Extrahieren des Minimalwertes X_P4_1, X_P4_2, ..., X_P4_59, X_P4_60 von Chlorophyllgehalt, der allen Bildpunkten in 26 kleinen Bereichen in der Blattoberflächenverteilungsdiagramme K1, K2, ..., K59, K60 des Chlorophylls von 60 Gurkenblättern entspricht, wobei der Minimalwert des Chlorophyllgehalts, der der Blattoberflächenverteilungsdiagramme des Chlorophyllgehalts Klvon i-ten Gurkenblatt entspricht, also X_P4_i = [X_P4_i_1, X_P4_i_2, ..., X_P4_i_25, X_P4_i_26], und X_P4_i_v ist der Minimalwert des Chlorophyllgehalts, der allen Bildpunkten in v-ten kleinem Bereich in i-ten Gurkenblatt entspricht, und i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. S3. Erstellen des Diagnosemodells für Stickstoff-, Kalium- und Magnesiummangel: (1) Verwenden des Mittelwerts des Chlorophyllgehalts, der Varianz des Chlorophyllgehalts, des Maximalwerts des Chlorophyllgehalts und des Minimalwerts des Chlorophyllgehalts [X_P1_1, X_P2_1, X_P3_1, X_P4_1], [X_P1_2, X_P2_2, X_P3_2, X_P4_2], ..., [X_P1_59, X_P2_59, X_P3_59, X_P4_59], [X_P1_60, X_P2_60, X_P3_60, X_P4_60], welche allen Bildpunkten in 26 kleinen Bereichen in der Blattoberflächenverteilungsdiagramme K1, K2, ..., K59, K60 des Chlorophyllgehalts der 60 Blättern entsprechen, um ein Array X für unabhängige Variablen mit 60 Zeilen × [26 kleine Bereiche × 4 Parametern (Mittelwerts des Chlorophyllgehalts, Varianz des Chlorophyllgehalts, Maximalwerts des Chlorophyllgehalts und Minimalwerts des Chlorophyllgehalts) ], also 60 Zeilen × 104 Spalten zu erstellen; wobei die i-te Zeile, Spalten 1 bis 26 des Variablen Arrays X die Mittelwerte des Chlorophyllgehalts X_P1_i sind, die Blattoberflächenverteilungsdiagramme von Chlorophyll Ki des i-ten Gurkenblattes entspricht, wobei die Zeile i-ten, Spalten 27 bis 52 des Variablen Arrays X die Varianz des Chlorophyllgehalts X_P2_i sind, die Blattoberflächenverteilungsdiagramme von Chlorophyll Ki des i-ten Gurkenblattes entspricht, wobei die Zeile i-ten, Spalten 53 bis 78 des Variablen Arrays X die Maximalwerte des Chlorophyllgehalts X_P3_i sind, die Blattoberflächenverteilungsdiagramme von Chlorophyll Ki des i-ten Gurkenblattes entspricht, wobei die Zeile i-ten, Spalten 79 bis 104 des Variablen Arrays X die Mittelwerte des Chlorophyllgehalts X_P4_i sind, die Blattoberflächenverteilungsdiagramme von Chlorophyll Ki des i-ten Gurkenblattes entspricht. (2) Verwenden der physikalisch-chemischen Analysemethoden für Nährstoffelemente (Atomabsorptionsspektrometrie, Kjeldahl-Methode), um den Gehalt von Stickstoff, Kalium und Magnesium in 60 Gurkenblättern zu erfassen, und Erstellen eines Arrays Y für abhängige Variablen mit 60 Zeilen × 3 Spalten, um der Gehalt von Stickstoff, Kalium und Magnesium der 60 Gurkenblätter darzustellen, wobei die erste Spalte des Arrays Y für abhängige Variablen verwendet wird, um den Nährstoffzustand von Stickstoff aufzuzeichnen, ein Wert von 0 bedeutet, dass der entsprechende Stickstoff des Blattes normal ist, und ein Wert von 1 den entsprechenden Stickstoffmangel des Blattes darstellt; Die zweite Spalte des Arrays Y für abhängige Variablen verwendet wird, um den Gehalt von Kalium aufzuzeichnen, ein Wert von 0 bedeutet, dass das entsprechende Kalium des Blattes normal ist, und ein Wert von 1 den entsprechenden Kaliummangel des Blattes darstellt; Die dritte Spalte des Arrays Y für abhängige Variablen verwendet wird, um den Gehalt von Magnesium aufzuzeichnen, ein Wert von 0 bedeutet, dass das entsprechende Magnesium des Blattes normal ist, und ein Wert von 1 den entsprechenden Magnesiummangel des Blattes darstellt;
Wenn beispielsweise dem i-ten Gurkenblatt Stickstoff, Kalium und Magnesium alle mangelt, ist die i-te Zeile des Arrays Y für abhängige Variablen, also Yi= [1 1 1], wenn dem i-ten Gurkenblatt Stickstoff und Kalium mangelt aber Magnesium normal ist, ist die i-te Zeile des Arrays Y für abhängige Variablen, also Yi= [1 1 0], wenn dem i-ten Gurkenblatt Stickstoff und Magnesium mangelt aber die Kalium normal ist, ist die i-te Zeile des Arrays Y für abhängige Variablen, also Yi= [1 0 1], wenn dem i-ten Gurkenblatt Kalium und Magnesium mangelt aber der Stickstoff normal ist, ist die i-te Zeile des Arrays Y abhängige Variablen, also Yi= [0 1 1], wenn dem i-ten Gurkenblatt Stickstoff mangelt aber Kalium und Magnesium normal ist, ist die i-te Zeile des Arrays Y für abhängige Variablen, also Yi= [1 0 0], wenn dem i-ten Gurkenblatt Kalium mangelt aber Stickstoff und Magnesium normal ist, ist die i-te Zeile des Arrays Y für abhängige Variablen, also Yi= [0 1 0], wenn dem i-ten Gurkenblatt Magnesium mangelt aber Kalium und Stickstoff normal ist, ist die i-te Zeile des Arrays Y abhängige Variablen, also Yi= [0 0 1], wenn dem i-ten Gurkenblatt Stickstoff, Kalium und Magnesium alle normal ist, ist die i-te Zeile des Arrays Y abhängige Variablen, also Yi= [0 0 0], (3) Verwenden des Arrays X für unabhängige Variablen und des Arrays Y für abhängige Variablen, der 60 Gurkenblätter zugeordnet sind, in Kombination mit dem K-Algorithmus zur Erkennung des nächsten Nachbarn, um ein Diagnosemodell für Stickstoff-, Kalium- und Magnesiummangel Y = F (X) zu erstellen.
Beispiel 3: Diagnose für Stickstoff-, Kalium- und Maqnesiummanqel in zu testenden Blättern
[0032] (1) Gemäß dem in Schritt S1 von Beispiel 2 beschriebenen Verfahren, für 10 (d. h. Q = 10) zu testende Gurkenblätter anhand der Trennpunkten der kleinen Bereichen, der Trennpunkten der großen Bereichen und der äußeren Konturlinie wird die Blattoberfläche jedes Gurkenblattes in 26 kleine Bereiche unterteilt; (2) Gemäß dem in den Schritten S2 und S3 von Beispiel 2 beschriebenen Verfahren, Extrahieren des Mittelwerts des Chlorophyllgehalts, der Varianz des Chlorophyllgehalts, des Maximalwerts des Chlorophyllgehalts und des Minimalwerts des Chlorophyllgehalts [X'_P1_1, X'_P2_1, X'_P3_1, X'_P4_1], [X'_P1_2, X'_P2_2, X'_P3_2, X'_P4_2], ..., [X'_P1_9, X'_P2_9, X'_P3_9, X'_P4_9], [X'_P1_10, X'_P2_10, X'_P3_10, X'_P4_10], welche allen Bildpunkten in 26 kleinen Bereichen in der Blattoberflächenverteilungsdiagramme des Chlorophylls der 10 Gurkenblätter entsprechen, um ein Array X' für unabhängige Variablen mit 10 Zeilen × 104 Spalten zu erstellen; wobei der Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, der Maximalwert des Chlorophyllgehalts und der Minimalwert des Chlorophyllgehalts, der allen Bildpunkten in den m kleinen Bereichen in der Blattoberflächenverteilungsdiagramme von Chlorophylls des u-ten zu testenden Gurkenblattes entspricht, sind [X'_P1_u, X'_P2_u, X'_P3_u, X'_P4_u], wobei u = 1, 2, ..., 9, 10. (3) Einsetzen des Arrays X' für unabhängige Variablen des zu testenden Blattes in Diagnosemodell Y = F (X) für Stickstoff-, Kalium- und Magnesiummangel und berechnen 10 Zeilen × 3 Spalten des Variablen Arrays Y'= F (X') des zu testenden Blattes, wobei der Gehalt der N-, K- und Mg des zu testenden Blattes wird durch den Wert Y'uin der u-ten Zeile des Arrays Y' für abhängige Variablen des zu testenden Blattes bestimmt. Wenn der Wert der ersten Spalte von Y'u0 ist, bedeutet es, dass Stickstoff an dem u-ten zu testenden Blatt normal ist, wenn der Wert der ersten Spalte von Y'u1 ist, bedeutet es, dass Stickstoff an dem u-ten zu testenden Blatt mangelt, wenn der Wert der zweiten Spalte von Y'u0 ist, bedeutet es, dass Kalium an dem u-ten zu testenden Blatt normal ist, wenn der Wert der zweiten Spalte von Y'u1 ist, bedeutet es, dass Kalium an dem u-ten zu testenden Blatt mangelt, wenn der Wert der dritten Spalte von Y'u0 ist, bedeutet es, dass Magnesium an dem u-ten zu testenden Blatt normal ist, wenn der Wert der dritten Spalte von Y'u1 ist, bedeutet es, dass Magnesium an dem u-ten zu testenden Blatt mangelt.
Tabelle 1. Diagnoseergebnisse von Stickstoff-, Kalium- und Magnesiummangel in zu testenden Blättern
[0033] 1 0 0 0 0 0 0 2 0 0 0 0 0 0 3 1 0 0 1 0 0 4 0 1 0 0 1 0 5 0 0 1 0 0 1 6 1 1 0 1 1 0 7 1 0 1 1 0 1 8 0 1 1 0 1 1 9 1 1 1 1 1 1 10 1 1 1 1 1 1 Die Genauigkeit der erfindungsgemäßen Diagnose 100%
Claims (7)
1. Verfahren zur Diagnose von Stickstoff-, Kalium- und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche, dadurch gekennzeichnet, dass es die folgenden Schritte umfasst:
a) Bestimmung des Chlorophyllgehalt-Verteilungsmusters auf der Blattoberfläche des zu untersuchenden Blattes mittels hyperspektralem Bildgebungsverfahren, wobei jedem ermittelten Bildpunkt anhand dessen Intensität ein Chlorophyllgehalt zugeordnet wird;
b) Unterteilung der Blattoberfläche in mehrere Bereiche anhand der Schnittpunkte der Hauptblattvenen des Blattes mit den Hauptbeugungspunkten der Blattkonturlinie, wobei jeder Bereich zusätzlich in mehrere Unterbereiche unterteilt wird;
c) Extraktion von Standardparametern aus mehreren in Schritt (b) bestimmten Unterbereichen, wobei die Standardparameter für jeden Unterbereich anhand aller Bildpunkte in dem entsprechenden Unterbereich definiert werden und wobei die Standardparameter den Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, den Maximalwert des Chlorophyllgehalts und den Minimalwert des Chlorophyllgehalts umfassen;
d) Diagnose von Stickstoff-, Kalium- und Magnesiummangel in dem zu untersuchenden Blatt durch Einsetzen der in Schritt (c) bestimmten Standardparameter des zu untersuchenden Blattes in ein Diagnosemodell, wobei die Bereitstellung des Diagnosemodells die folgenden Schritte umfasst:
i) Ausführen der Schritte a) bis c) mit einer Vielzahl von Blättern aus einem Trainingsset, wobei die Stickstoff, Kalium und Magnesium Mangelwerte für jedes Blatt aus dem Trainingsset vorab experimentell ermittelt wurden;
ii) Erstellen des Diagnosemodels anhand der in Schritt (i) ermittelten Standardparameter und der experimentell bestimmten Stickstoff, Kalium und Magnesium Mangelwerte, wobei die Standardparameter von Blättern des Trainingssets als unabhängige Variable verwendet werden, und die bekannten Stickstoff, Kalium und Magnesium Mangelwerte in den Blättern des Trainingssatzes als abhängige Variable verwendet werden.
2. Verfahren nach Anspruch 1, wobei die Unterteilung der Blattoberfläche in mehrere Bereiche die folgenden Schritte umfasst:
• Definition des Schnittpunkts der Hauptblattvenen des Blattes als Ursprung;
• Definition der Hauptbeugungspunkte der Blattkonturlinie als Konturteilungspunkte, und
• Unterteilung des Blattes in mehrere Bereiche anhand mehrerer Verbindungslinien zwischen den Konturteilungspunkten mit dem Ursprung.
3. Verfahren nach Anspruch 2, wobei die Unterteilung der Bereiche in Unterbereiche die folgenden Schritte umfasst:
• Definition von mehreren Trennpunkten auf den Verbindungslinien zwischen den Konturteilungspunkten mit dem Ursprung;
• Unterteilung der Bereiche in Unterbereiche anhand mehrerer Verbindungslinien zwischen gegenüberliegenden Trennpunkten.
4. Verfahren nach Anspruch 3, wobei die Trennpunkte auf den Verbindungslinien einen identischen Abstand zueinander besitzen.
5. Verfahren nach einem der Ansprüche 1 bis 4, wobei die Bereitstellung des Diagnosemodels anhand der in Schritt c) ermittelten Standardparameter zusätzlich folgenden Schritt umfasst: Erstellung eines unabhängigen Variablen Arrays mit j Zeilen × 4 m Spalten unter Verwendung der Standardparameter der Unterbereiche, wobei m der Anzahl Unterbereiche und j der Anzahl der Blätter entspricht.
6. Verfahren nach Anspruch 1, wobei die Stickstoff, Kalium und Magnesium Mangelwerte in der Vielzahl der Blätter aus dem Trainingsset mit Hilfe von physikalisch-chemischen Analysemethoden ermittelt wurde.
7. Verfahren nach Anspruch 6, wobei jedem der Blätter aus dem Trainingsset für jeden der Nährstoffe Stickstoff, Kalium und Magnesium ein binärer Wert zugeordnet wird, wobei ein Wert von 0 bedeutet, dass kein Mangel vorliegt, und ein Wert von 1 einen entsprechenden Nährstoffmangel darstellt.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910789336.3A CN110631995B (zh) | 2019-08-26 | 2019-08-26 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
| PCT/CN2019/107983 WO2021035858A1 (zh) | 2019-08-26 | 2019-09-26 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CH716708B1 true CH716708B1 (de) | 2022-05-13 |
Family
ID=68969067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CH01498/20A CH716708B1 (de) | 2019-08-26 | 2019-09-26 | Methode zur Diagnose von Stickstoff, Kalium und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche. |
Country Status (4)
| Country | Link |
|---|---|
| CN (1) | CN110631995B (de) |
| CH (1) | CH716708B1 (de) |
| GB (1) | GB2591565B (de) |
| WO (1) | WO2021035858A1 (de) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110631995B (zh) * | 2019-08-26 | 2021-09-10 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
| CN111398198A (zh) * | 2020-04-29 | 2020-07-10 | 中国农业大学 | 一种小麦籽粒微量元素快速无损检测方法 |
| CN114486761B (zh) * | 2022-01-24 | 2024-04-12 | 云南省热带作物科学研究所 | 一种橡胶树叶片镁含量快速估算方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100538333C (zh) * | 2006-04-30 | 2009-09-09 | 武汉大学 | 便携式植物叶片色素检测仪 |
| UA32191U (uk) * | 2007-12-13 | 2008-05-12 | Yuriev Inst Of Plant Science O | Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами |
| CN101382488B (zh) * | 2008-10-14 | 2010-09-29 | 江苏吟春碧芽茶叶研究所有限公司 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
| BRPI0805608B1 (pt) * | 2008-12-15 | 2018-11-21 | Embrapa Pesquisa Agropecuaria | método, equipamento e sistema para diagnóstico de estresses e doenças em plantas superiores |
| CN101692037B (zh) * | 2009-09-08 | 2011-12-21 | 江苏大学 | 高光谱图像和独立分量分析植物叶面叶绿素分布的方法 |
| CN101915738B (zh) * | 2010-06-23 | 2013-06-12 | 江苏大学 | 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 |
| CN103868891A (zh) * | 2014-03-12 | 2014-06-18 | 中国农业科学院油料作物研究所 | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 |
| CN105486669A (zh) * | 2016-01-12 | 2016-04-13 | 丽水学院 | 一种植物必需营养元素亏缺的叶绿素荧光诊断方法 |
| CN105675821B (zh) * | 2016-02-21 | 2018-11-02 | 南京农业大学 | 一种作物氮素营养无损诊断的图像评价指标的建立方法 |
| CN110148146B (zh) * | 2019-05-24 | 2021-03-02 | 重庆大学 | 一种利用合成数据的植物叶片分割方法及系统 |
| CN110631995B (zh) * | 2019-08-26 | 2021-09-10 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
-
2019
- 2019-08-26 CN CN201910789336.3A patent/CN110631995B/zh not_active Expired - Fee Related
- 2019-09-26 WO PCT/CN2019/107983 patent/WO2021035858A1/zh not_active Ceased
- 2019-09-26 GB GB2018070.9A patent/GB2591565B/en not_active Expired - Fee Related
- 2019-09-26 CH CH01498/20A patent/CH716708B1/de not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| GB2591565B (en) | 2022-10-12 |
| CN110631995A (zh) | 2019-12-31 |
| GB2591565A (en) | 2021-08-04 |
| CN110631995B (zh) | 2021-09-10 |
| WO2021035858A1 (zh) | 2021-03-04 |
| GB2591565A8 (en) | 2021-08-11 |
| GB202018070D0 (en) | 2020-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE3612651C2 (de) | ||
| CH716708B1 (de) | Methode zur Diagnose von Stickstoff, Kalium und Magnesiummangel in Pflanzen basierend auf den Verteilungseigenschaften von Blattchlorophyll auf der Blattoberfläche. | |
| DE2509353A1 (de) | Verfahren und vorrichtung zur gewinnung einer einem muster entsprechenden information | |
| WO1990010273A1 (de) | Verfahren und anordnung zur automatischen optischen klassifikation von pflanzen | |
| DE10392482T5 (de) | Nachweis von Lungenknoten unter Verwendung der Cartwheel-Projektionsanalyse | |
| WO2007056884A2 (de) | Verfahren zur charakterisierung von effektgarn | |
| DE102006000946B4 (de) | Verfahren und System zur Inspektion einer periodischen Struktur | |
| DE3206147A1 (de) | Detektor fuer chromatographen | |
| DE102005011237B3 (de) | Verfahren zur Bestimmung von Defekten in Bildern | |
| DE3622222A1 (de) | Zeichenerkennung in zweidimensionalen signalen | |
| EP3553503A1 (de) | Analyseverfahren und anschmutzung | |
| DE102019133515B3 (de) | Verfahren und Vorrichtung zur Parallaxenbestimmung von Aufnahmen eines Multilinsen-Kamerasystems | |
| DE102021129673A1 (de) | Verfahren und Vorrichtung zur Klassifizierung von Objekten, die auf einer Oberfläche liegend gefördert werden | |
| DE112018007805T5 (de) | Biopolymer-Analyseverfahren und Biopolymer-Analysevorrichtung | |
| DE10317142A1 (de) | Automatische Trefferzählung bei der numerischen Röntgenologie, insbesondere bei der Mammografie | |
| EP2244225B1 (de) | Verfahren zum optischen Scannen eines Objektes sowie Vorrichtung | |
| DE4331018A1 (de) | Verfahren zur automatischen Bewertung von Fraktionsmustertypen, die Krankheiten betreffen | |
| DE3617618C2 (de) | ||
| DE1806615B2 (de) | Verfahren und Vorrichtung zur automatischen Abfrage von Spektren | |
| LU602797B1 (de) | Ein intelligentes Erkennungsverfahren für Bilder von peripheren Blutzellen | |
| DE102015215778A1 (de) | Verfahren zu einer Darstellung von Magnetresonanz-Daten | |
| EP1986127B1 (de) | Erzeugung von Endmember-Spektren | |
| EP4131920B1 (de) | Vorrichtung und verfahren zum erzeugen photometrischer stereobilder und eines farbbildes | |
| DE102008049859A1 (de) | Verfahren und Prüfsystem zur optischen Prüfung einer Kontur eines Prüfobjekts | |
| DE102006043348A1 (de) | System und Verfahren zum Gruppieren von Atemwegen und Arterien zur quantitativen Analyse |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PL | Patent ceased | ||
| PL | Patent ceased |