CH716708B1 - Method for diagnosing nitrogen, potassium and magnesium deficiency in plants based on leaf surface distribution characteristics of leaf chlorophyll. - Google Patents
Method for diagnosing nitrogen, potassium and magnesium deficiency in plants based on leaf surface distribution characteristics of leaf chlorophyll. 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
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 142
- 229930002875 chlorophyll Natural products 0.000 title claims abstract description 135
- 235000019804 chlorophyll Nutrition 0.000 title claims abstract description 135
- 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 title claims abstract description 135
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 74
- 229910052700 potassium Inorganic materials 0.000 title claims abstract description 70
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 title claims abstract description 67
- 239000011591 potassium Substances 0.000 title claims abstract description 67
- 208000008167 Magnesium Deficiency Diseases 0.000 title claims abstract description 38
- 235000004764 magnesium deficiency Nutrition 0.000 title claims abstract description 38
- 208000007645 potassium deficiency Diseases 0.000 title claims abstract description 38
- 208000019025 Hypokalemia Diseases 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011777 magnesium Substances 0.000 claims abstract description 36
- 229910052749 magnesium Inorganic materials 0.000 claims abstract description 36
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims abstract description 33
- 230000007812 deficiency Effects 0.000 claims abstract description 12
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 238000000701 chemical imaging Methods 0.000 claims abstract description 6
- 230000001419 dependent effect Effects 0.000 claims description 29
- 235000015097 nutrients Nutrition 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 210000003462 vein Anatomy 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 6
- 238000005064 physico chemical analysis method Methods 0.000 claims description 5
- 235000018343 nutrient deficiency Nutrition 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 abstract description 62
- 238000010586 diagram Methods 0.000 abstract description 28
- 241000196324 Embryophyta Species 0.000 abstract description 4
- 244000299906 Cucumis sativus var. sativus Species 0.000 abstract 1
- 240000008067 Cucumis sativus Species 0.000 description 62
- 230000002950 deficient Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 10
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 235000003715 nutritional status Nutrition 0.000 description 4
- 238000007696 Kjeldahl method Methods 0.000 description 2
- 238000001479 atomic absorption spectroscopy Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 102000012078 E2F2 Transcription Factor Human genes 0.000 description 1
- 108010036466 E2F2 Transcription Factor Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000001752 chlorophylls and chlorophyllins Substances 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 208000006278 hypochromic anemia Diseases 0.000 description 1
- 230000011890 leaf development Effects 0.000 description 1
- 230000002015 leaf growth Effects 0.000 description 1
- SWHAQEYMVUEVNF-UHFFFAOYSA-N magnesium potassium Chemical compound [Mg].[K] SWHAQEYMVUEVNF-UHFFFAOYSA-N 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen(.) Chemical compound [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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; CALCULATING OR 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; CALCULATING OR 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; CALCULATING OR 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; CALCULATING OR 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; CALCULATING OR 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.The invention relates to a method for diagnosing nitrogen, potassium and magnesium deficiencies in plants based on the distribution properties of leaf chlorophyll on the leaf surface, the leaf surface of the leaf to be tested being first divided into several small areas, the regional distribution properties of the chlorophyll being extracted from the average. Chlorophyll content, chlorophyll content variance, maximum chlorophyll content and minimum chlorophyll content which correspond to all pixels in the small area of leaf chlorophyll leaf distribution diagrams are extracted using hyperspectral imaging technology; on this basis the diagnostic model for N, K and Mg deficiency is created, according to the model N, K and Mg deficiency in the leaves to be tested can be diagnosed. The limitation that the method for diagnosis based on the chlorophyll content cannot simultaneously diagnose the deficiency of nitrogen, potassium and magnesium of cucumber leaves is overcome in the present invention, the distribution properties of chlorophyll on the leaf surface can be extracted quickly and non-destructively and a efficient diagnosis of nitrogen, potassium and magnesium deficiency of the leaf is achieved.
Description
GEBIET DER ERFINDUNGFIELD OF THE INVENTION
[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. The invention relates to the technical field of diagnosing a deficiency of nutrient elements in crop plants, and a method for diagnosing nitrogen, potassium and magnesium deficiency in plants based on the distribution properties of leaf chlorophyll on the leaf surface.
STAND DER TECHNIKSTATE OF THE ART
[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. [0002] Nutrient elements are important components for the various organic compounds synthesized by the leaf, and participate in various types of metabolisms during leaf growth and leaf development. A lack of nutrient elements often leads to changes in the internal components and external morphology of the leaf. Chlorophyll is one of the basic components of plant leaves. When plants are in a state of nutrient deficiency, the synthesis and metabolism of chlorophyll and other pigments in the leaves are impeded, which in turn leads to corresponding nutrient deficiency symptoms in the leaves.
[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. [0003] Nitrogen, potassium and magnesium are required nutrients during the growth and development of cucumber plants. Relevant research has shown that the lack of nitrogen, potassium and magnesium leads to a decrease in the chlorophyll content of cucumber leaves, causing the leaves to chlorosis. The method of diagnosing deficiency based on the chlorophyll content can effectively distinguish the nitrogen-deficient leaves and normal leaves, the potassium-deficient leaves and normal leaves, the magnesium-deficient leaves and normal leaves, but it is difficult to distinguish the differences between the leaves with nitrogen deficiency, potassium deficiency and magnesium deficiency leaves with each other accurately, so that an efficient diagnosis of deficiency of nitrogen, potassium and magnesium in cucumber leaves. Physico-chemical analysis methods for nutrient elements such as the Kjeldahl method, atomic absorption spectrometry and the like can precisely analyze the nitrogen, potassium and magnesium nutrient content in cucumber leaves, thereby enabling the diagnosis of nitrogen, potassium and magnesium deficiency in cucumber leaves, the physico-chemical However, analysis of nutrient elements for diagnostic method requires destruction of test sample, time-consuming and complicated operation.
OFFENBARUNG DER ERFINDUNGDISCLOSURE OF THE INVENTION
[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. The present invention starts from the point of view of characterizing the distribution properties of chlorophyll content in nitrogen, potassium and magnesium deficient leaves, provides a diagnostic method for nitrogen, potassium and magnesium deficiency based on the distribution properties of leaf chlorophyll on the leaf surface based.
[0005] Das Diagnoseverfahren für einen Stickstoff-, Kalium- und Magnesiummangel, was auf den Blattoberflächenverteilungseigenschaften von Blattchlorophyll basiert, umfasst insbesondere die folgenden Schritte: Specifically, the diagnostic method for nitrogen, potassium and magnesium deficiency based on leaf surface distribution properties of leaf chlorophyll includes the following steps:
Teilen der Blattoberfläche:Divide the leaf surface:
[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. The leaf surface is divided into areas by the intersection of the main leaf veins of the leaf and the main inflection points of the leaf contour line, and the divided area is then further divided into a plurality of sub-areas.
[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. The method for dividing the leaf surface into plural areas includes: taking the intersection of the main leaf veins of the leaf as the origin, and taking a major inflection points of the leaf contour line as the contour dividing points, by connecting the contour dividing point and the origin, connecting lines dividing the areas are obtained, thereby dividing the leaf surface of the cucumber leaf into a-3 regions, where a is a positive integer.
[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; The method for dividing the areas into sub-areas comprises the steps of: determining n dividing points on each connecting line and connecting the dividing points of two adjacent areas with lines to form the dividing lines of the sub-areas; By means of the connecting lines and the dividing lines of the sub-areas as well as the outer contour line, the sheet surface of the sheet is divided into m = (a-3) (n + 1) + 2;
[0009] Wobei die genannten a, m und n beide positive ganze Zahlen sind. Where said a, m and n are both positive integers.
[0010] Wobei jeder Linienabschnitt, der durch die Unterteilung der Verbindungslinien durch die n Trennpunkten erstellt wird, die gleiche Länge hat. Each line segment created by dividing the connecting lines by the n dividing points has the same length.
Extrahieren der regionalen Verteilungseigenschaften von Chlorophyll:Extracting the regional distribution properties of 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. Using several leaves as training samples, the distribution diagrams of the chlorophyll content on the leaf surfaces of the leaves are sequentially acquired, and the standard parameters corresponding to each sub-region based on all pixels in the corresponding sub-region of the distribution diagram of the chlorophyll content of the leaf surfaces of the leaves are sequentially extracted and the array X for independent variables is constructed.
[0012] Die Standardparameter beinhalten den Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, den Maximalwert des Chlorophyllgehalts und den Minimalwert des Chlorophyllgehalts. The default parameters include mean chlorophyll content, variance in chlorophyll content, maximum chlorophyll content, and minimum chlorophyll content.
Erstellen des Diagnosemodells für Stickstoff-, Kalium- und Magnesiummangel:Creating the diagnostic model for nitrogen, potassium and magnesium deficiency:
[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. determining the content of nitrogen, potassium and magnesium of the leaves, constructing the array Y for dependent variables; Using the independent variable array X and the dependent variable array Y, which corresponds to the leaves, to create a diagnostic model for nitrogen, potassium, and magnesium deficiency Y = F(X).
[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. A specific preparation method of the independent variable array X is as follows: using the mean value of chlorophyll content, the variance of chlorophyll content, the maximum value of chlorophyll content, and the minimum value of chlorophyll content, which correspond to all pixels in m sub-regions in the leaf surface distribution diagram of the chlorophyll content of the j to create an independent variable array X with j rows × 4 m columns, where m and j are both positive integers.
[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. The dependent variable array Y is used to represent the content of nitrogen, potassium and magnesium in j leaves and is constructed by the following method: Using the physicochemical analysis method of nutrient elements to represent the content of nitrogen, potassium and magnesium in j sheets one by one and create a variable array Y with j rows × 3 columns, where j is a positive integer.
[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; Wherein the first column of the array Y is used for dependent variables to record the nutrient status of nitrogen, a value of 0 means that the corresponding leaf nitrogen is normal, and a value of 1 represents the corresponding leaf nitrogen deficiency; The second column of the array Y for dependent variables is used to record the level of potassium, a value of 0 means that the corresponding leaf potassium is normal, and a value of 1 represents the corresponding leaf potassium deficiency; The third column of the array Y for dependent variables is used to record the content of magnesium, a value of 0 means that the corresponding leaf magnesium is normal, and a value of 1 represents the corresponding leaf magnesium deficiency;
Diagnose für Stickstoff-, Kalium- und Maqnesiummanqel in zu testenden Blättern:Diagnostics for nitrogen, potassium and magnesium deficiencies in leaves to be tested:
[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. Divide the leaf surface of the leaf under test into multiple sub-regions and sequentially extract the standard parameters corresponding to all pixels in multiple sub-regions in the leaf surface distribution diagram of chlorophyll of the leaf under test to create the independent variable array X' of the leaf under test . The independent variable array X' of the leaf under test is inserted into the nitrogen, potassium and magnesium deficiency diagnostic model Y=F(X), and the array of dependent variables Y'=F(X') of the leaf under test is being computed.
[0018] Die Standardparameter umfassen den Mittelwert des Chlorophyllgehalts, die Varianz des Chlorophyllgehalts, den Maximalwert des Chlorophyllgehalts und den Minimalwert des Chlorophyllgehalts. The default parameters include the mean chlorophyll content, the variance of the chlorophyll content, the maximum value of the chlorophyll content, and the minimum value of the chlorophyll content.
Die vorteilhaften Wirkungen der vorliegenden Erfindung:The beneficial effects of the present invention:
[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. From the point of view of characterizing the distribution properties of the chlorophyll content in nitrogen-, potassium- and magnesium-deficient leaves, the cucumber leaf surface is divided into several sub-areas, and the mean, variance, and maximum and minimum values of the chlorophyll content at all pixels in each sub-area are calculated individually extracted, achieving the precise characterization of the surface distribution properties of cucumber leaf chlorophyll. With the extracted leaf distribution properties of chlorophyll, a diagnostic model of nitrogen, potassium and magnesium deficiency of cucumber leaves is constructed; A method for diagnosing nitrogen, potassium and magnesium deficiency is established based on the distribution properties of chlorophyll on the leaf surface of cucumber leaves, with the limitation that the diagnostic method based on chlorophyll content does not determine the deficiency of nitrogen, potassium and magnesium of cucumber leaves can diagnose at the same time is overcome. By using the solution of the present invention and the nitrogen, potassium and magnesium deficiency model created, the distribution properties of chlorophyll on the leaf surface can be extracted quickly and non-destructively, enabling efficient diagnosis of leaf nitrogen, potassium and magnesium deficiency.
[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. The hyperspectral imaging method can determine not only the two-dimensional image information of the sample to be tested, but also the spectral information corresponding to each pixel in the two-dimensional image. Using the sensitivity of the spectral information of the pixel to the content of the components to be measured, the content of the components to be measured corresponding to each pixel can be analyzed individually, so that the distribution of the content of the components to be measured in the sample space can be visualized.
Kurze Beschreibung der ZeichnungenBrief description of the drawings
[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.[0021] FIG. 1 shows a schematic diagram of the segmentation of the areas of the leaf surface of the cucumber leaf; Fig. 2 shows a distribution diagram of chlorophyll content on the leaf surface of cucumber leaves, wherein a is a legend and b is a chlorophyll distribution diagram; FIG. 3 shows a distribution diagram of the chlorophyll content on the leaf surface of a cucumber leaf after regional division.
Beschreibung der AusführungsformenDescription of the embodiments
[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. In order to make the objects, technical solutions and advantages of the present invention clearer and to enable those skilled in the art to better understand the technical solutions of the present invention, the technical solutions of the present invention are described below in conjunction with the drawings and specific embodiments of FIG present invention more clearly and fully explained. Obviously, the described embodiments are part of the embodiments of the present invention, but not all. All other embodiments that are based on the embodiments of the present invention and are available to those skilled in the art without creative work belong to the scope of the invention protection of the present invention.
Beispiel 1: Ein Verfahren zur Diagnose von Stickstoff-, Kalium- und Magnesiummangel basierend auf den Verteilungseigenschaften des Blattchlorophylls auf der BlattoberflächeExample 1: A method for diagnosing nitrogen, potassium and magnesium deficiencies based on the distribution characteristics of leaf chlorophyll on the leaf surface
[0023] Es umfasst die folgenden Schritte: It includes the following steps:
[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; Dividing the leaf surface: taking the intersection of the main leaf veins of the leaf as the origin, the main inflection point a of the leaf contour line as the contour dividing point, by connecting the contour dividing point and the origin, the connecting lines dividing the areas are obtained, thereby dividing the leaf surface of the cucumber leaf into a- Divided into 3 large areas;
[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. determining n dividing points on each connecting line and connecting the dividing points of two adjacent areas with lines to form the dividing lines of the sub-areas; By means of the connecting lines and the dividing lines of the sub-areas as well as the outer contour line, the sheet surface of the sheet is divided into m = (a-3) (n + 1) + 2, with each line section created by dividing the connecting lines by the n dividing points , has the same length.
[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; [0026] Extraction of regional distribution characteristics of chlorophyll: Using j leaves as training patterns, the hyperspectral imaging method is used to successively extract the chlorophyll content distribution patterns on the leaf surface of j leaves; the m sub-areas are numbered without repetition after dividing into corresponding areas of the leaf surface distribution diagrams of chlorophyll content: extracting sequentially the mean value of chlorophyll content, the variance of chlorophyll content, the maximum value of chlorophyll content and the minimum value of chlorophyll content corresponding to all pixels in m sub-areas in the leaf surface distribution diagrams of leaf chlorophyll of j leaves. The method of calculating the average chlorophyll content is to extract the chlorophyll content corresponding to each pixel in a single sub-area and calculate the average corresponding to all pixels in the sub-area; wherein the method of calculating the variance of the chlorophyll content is to extract the chlorophyll content corresponding to each pixel in a single sub-area and to calculate the variance corresponding to all the pixels in the sub-area; wherein the method of calculating the maximum and minimum value of the chlorophyll content is to extract the chlorophyll content corresponding to each pixel in a single sub-area and to calculate the maximum and minimum value corresponding to all pixels in the sub-area;
[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. Creating the diagnostic model of nitrogen, potassium and magnesium deficiency: using the mean value of chlorophyll content, the variance of chlorophyll content, the maximum value of chlorophyll content and the minimum value of chlorophyll content corresponding to all pixels in m sub-areas in the leaf surface distribution diagram of the chlorophyll content of J leaves to create an independent variable array X with j rows × 4 m columns; Using the physicochemical analysis method of nutrient elements, to be able to detect the contents of nitrogen, potassium and magnesium in j leaves one by one, and to create a dependent variable array Y with j rows × 3 columns, thereby the contents of nitrogen, potassium and Magnesium shown in j leaves; Using the independent variable array X and the dependent variable array Y associated with j cucumber leaves in combination with the K nearest neighbor detection algorithm to generate a diagnostic model for nitrogen, potassium, and magnesium deficiencies Y = F(X ) to create.
[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; Wherein the first column of the array Y is used for dependent variables to record the nutrient status of nitrogen, a value of 0 means that the corresponding leaf nitrogen is normal, and a value of 1 represents the corresponding leaf nitrogen deficiency; The second column of the array Y for dependent variables is used to record the content of potassium, a value of 0 means that the corresponding leaf potassium is normal, and a value of 1 represents the corresponding leaf potassium deficiency; The third column of the array Y for dependent variables is used to record the content of magnesium, a value of 0 means that the corresponding leaf magnesium is normal, and a value of 1 represents the corresponding leaf magnesium deficiency;
[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. Diagnosis for nitrogen, potassium and magnesium deficiency in leaves to be tested: For the q leaves to be tested, each area of leaf surface of the leaf to be tested is divided into m subareas by means of the connecting lines, the subarea dividing lines and the outer contour line, and successively extracting the mean chlorophyll content, the variance of chlorophyll content, the maximum value of chlorophyll content and the minimum value of chlorophyll content corresponding to all pixels in the m sub-areas in the distribution diagram of leaf chlorophyll on the leaf surface of the q leaves to be tested, preparing an array X' for independent variables of the sheet under test with q-row × 4m-column. The independent variable array X' of the leaf to be tested is substituted into the nitrogen, potassium and magnesium deficiency diagnostic model Y=F(X), and the dependent variable array Y'=F(X') with q-row × 3-column of the leaf under test is calculated, where the nutrient status of nitrogen, potassium and magnesium of the u-th leaf under test is represented by the value Y'u in the u-th row of the array Y' for dependent variables of the leaf under test is determined.
[0030] Wobei a, m, n, q, j alle positive ganze Zahlen sind. Where a, m, n, q, j are all positive integers.
Beispiel 2: Eine Diagnose für Stickstoff-, Kalium- und Magnesiummangel basierend auf den Verteilungseigenschaften von Chlorophyll von GurkenblätternExample 2: A diagnosis of nitrogen, potassium and magnesium deficiency based on the distribution properties of chlorophyll from cucumber leaves
[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.It includes four steps: dividing the areas of cucumber leaf surface, extracting the regional distribution characteristics of chlorophyll, making the diagnostic model of nitrogen, potassium and magnesium deficiency, diagnosing nitrogen, potassium and magnesium deficiency in cucumber leaves to be tested. S1. Dividing the areas of cucumber leaf surface: (1) Taking the intersection of the main leaf veins of the cucumber leaves as the point O and the closed area formed by the contour line of the cucumber leaves as the area of the cucumber leaves to be divided. Sequentially select the nine main inflection points of the contour line of cucumber leaves A, B, C, D, E, F, G, H and I as contour dividing points, where contour dividing point E is the tip of cucumber leaf at the end of the longest main leaf veins, through the connections of contour dividing points B , C, D, E, F, G, H as the starting point to the O point as the ending point, the segmentation line BO, CO, DO, EO, FO, GO, HO of large areas are obtained; thus the cucumber leaf surface is divided into eight major areas OAB, OBC, OCD, ODE, OEF, OFG, OGH, OHI., as shown in Figure 1. (2) determine 3 (i.e. n=3) separation points of the sub-areas B1, B2, B3 on the connecting lines of the areas BO such that the lengths of the line segments BB1, B1B2, B2B3, B30 are equal; Determine 3 dividing points of the sub-areas C1, C2, C3 on the connecting lines of the areas CO, so that the lengths of the line sections CC1, C1C2, C2C3, C3O are equal, determine 3 dividing points of the sub-areas D1, D2, D3 on the connecting lines of the areas DO, so that the lengths of the line segments DD1, D1D2, D2D3, D3O are equal; determine 3 separation points of the sub-areas E1, E2, E3 on the connecting line of the areas EO such that the lengths of the line sections EE1, E1E2, E2E3, E3O are equal; determine 3 separation points of the sub-areas F1, F2, F3 on the connecting lines of the areas FO such that the lengths of the line sections FF1, F1F2, F2F3, F3O are equal; determine 3 separation points of the sub-areas G1, G2, G3 on the connecting lines of the areas GO such that the lengths of the line sections GG1, G1G2, G2G3, G3O are equal; Determine the 3 separation points of the sub-areas H1, H2, H3 on the connecting lines of the areas HO, so that the lengths of the line sections HH1, H1H2, H2H3, H3O are equal. (3) The dividing points B1C1, B2C2, B3C3, C1D1, C2D2, C3D3, D1E1, D2E2, D3E3, E1F1, E2F2, E3F3, F1G1, F2G2, F3G3, G1H1, G2H2, G3H3 are connected respectively to form the dividing lines of the sub-areas, by means of the connecting lines and the dividing lines of the sub-areas as well as the outer contour line, the cucumber leaf surface is divided into 26 sub-areas; S2 Extracting the regional distribution characteristics of chlorophyll: (1) Using the 60 cucumber leaves grown by soilless cultivation as training samples, with hyperspectral imaging method (ImSpector V10E, Spectral Imaging Ltd., Oulu, Finland), the chlorophyll content distribution patterns K1, K2, .. ., K59, K60 of 60 (i.e. j = 60) cucumber leaves examined sequentially; The chlorophyll content distribution pattern of a single cucumber leaf is shown in Figure 2, where the intensity value of the pixel in the distribution pattern represents the chlorophyll content of its own pixel, the smaller the intensity value of the pixel, the lower the chlorophyll content of its own pixel, the greater the intensity value of the pixel is, the higher the chlorophyll content of the respective pixel is, the corresponding relationship of the intensity value of the pixel and the content value of chlorophyll is shown in legend a in Figure 2. (2) The 26 small areas are numbered without repetition in the corresponding areas on the leaf distribution diagrams of chlorophyll content. The leaf distribution of the chlorophyll content of cucumber leaves after dividing the areas is shown in Figure 3, of which the corresponding numbers of the 26 small areas are the Arabic numerals shown in Figure 3 in parentheses in each small area. (3) Extracting the mean value X_P1_1, X_P1_2, ..., X_P1_59, X_P1_60 of chlorophyll content corresponding to all pixels in 26 small areas in the leaf surface distribution diagrams K1, K2, ..., K59, K60 of chlorophyll of 60 cucumber leaves, where the Mean chlorophyll content corresponding to leaf surface distribution diagrams of chlorophyll content Kivon i-th cucumber leaf, i.e. X_P1_i = [X_P1_i_1, X_P1_i_2, ..., X_P1_i_25, X_P1_i_26], and X_P1_i_v is the mean chlorophyll content corresponding to all pixels in v-th small area in i-th cucumber leaf, and i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. (4) Extracting the variance X_P2_1, X_P2_2, ..., X_P2_59, X_P2_60 of chlorophyll content corresponding to all pixels in 26 small areas in the leaf surface distribution diagrams K1, K2, ..., K59, K60 of chlorophyll of 60 cucumber leaves, where the Variance of chlorophyll content corresponding to the leaf surface distribution plots of chlorophyll content Kivon i-th cucumber leaf, i.e. X_P2_i = [X_P2_i_1, X_P2_i_2, ..., X_P2_i_25, X_P2_i_26], and X_P2_i_v is the variance of chlorophyll content corresponding to all pixels in v-th small area in i-th cucumber leaf, and i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. (5) Extracting the maximum value X_P3_1, X_P3_2, ..., X_P3_59, X_P3_60 of chlorophyll content corresponding to all pixels in 26 small areas in the leaf surface distribution diagrams of chlorophyll of 60 cucumber leaves K1, K2, ..., K59, K60, where the Maximum value of chlorophyll content corresponding to leaf surface distribution diagrams of chlorophyll content Klof i-th cucumber leaf, that is, X_P3_i = [X_P3_i_1, X_P3_i_2, ..., X_P3_i_25, X_P3_i_26], and X_P3_i_v is the maximum value of chlorophyll content corresponding to all pixels in v-th small area in i-th cucumber leaf, and i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. (6) Extracting the minimum value X_P4_1, X_P4_2, ..., X_P4_59, X_P4_60 of chlorophyll content corresponding to all pixels in 26 small areas in the leaf surface distribution diagrams K1, K2, ..., K59, K60 of chlorophyll of 60 cucumber leaves, where the Minimum value of chlorophyll content corresponding to leaf surface distribution diagrams of chlorophyll content Klof i-th cucumber leaf, i.e. X_P4_i = [X_P4_i_1, X_P4_i_2, ..., X_P4_i_25, X_P4_i_26], and X_P4_i_v is the minimum value of chlorophyll content corresponding to all pixels in v-th small area in i-th cucumber leaf, and i ∈ {1, 2, ..., 59, 60}, v ∈ {1, 2, ..., 25, 26}. S3. Creating the diagnostic model of nitrogen, potassium and magnesium deficiency: (1) Using the mean chlorophyll content, variance of chlorophyll content, maximum value of chlorophyll content and minimum value of chlorophyll content [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] representing all pixels in 26 small areas in the leaf surface distribution diagrams K1, K2, ..., K59, K60 of the chlorophyll content of the 60 leaves to create an independent variable array X with 60 rows × [26 small ranges × 4 parameters (mean chlorophyll content, variance in chlorophyll content, maximum chlorophyll content, and minimum chlorophyll content) ], i.e. 60 rows × 104 columns to create; where the ith row, columns 1 to 26 of the variable array X are the mean values of the chlorophyll content X_P1_i corresponding to leaf surface distribution diagrams of chlorophyll Ki of the ith cucumber leaf, where the row ith, columns 27 to 52 of the variable array X are the Variance of chlorophyll content X_P2_i corresponding to leaf surface distribution diagrams of chlorophyll Ki of i-th cucumber leaf, where row i-th, columns 53 to 78 of variable array X are maximum values of chlorophyll content X_P3_i corresponding to leaf surface distribution diagrams of chlorophyll Ki of i-th cucumber leaf where row i-th, columns 79 to 104 of variable array X are mean values of chlorophyll content X_P4_i, corresponding to leaf surface distribution diagrams of chlorophyll Ki of i-th cucumber leaf. (2) Using the physicochemical analysis methods for nutrient elements (atomic absorption spectrometry, Kjeldahl method) to detect the contents of nitrogen, potassium and magnesium in 60 cucumber leaves, and constructing a dependent variable array Y of 60 rows × 3 columns to to represent the levels of nitrogen, potassium, and magnesium of the 60 cucumber leaves, using the first column of the Y array for dependent variables to record the nutrient status of nitrogen, a value of 0 means the corresponding leaf nitrogen is normal, and a value of 1 represents the corresponding leaf nitrogen deficiency; The second column of the array Y for dependent variables is used to record the level of potassium, a value of 0 means that the corresponding leaf potassium is normal, and a value of 1 represents the corresponding leaf potassium deficiency; The third column of the array Y for dependent variables is used to record the content of magnesium, a value of 0 means that the corresponding leaf magnesium is normal, and a value of 1 represents the corresponding leaf magnesium deficiency; For example, if the ith cucumber leaf is all deficient in nitrogen, potassium, and magnesium, the ith row of the array is Y for dependent variables, so Yi= [1 1 1], if the ith cucumber leaf is deficient in nitrogen and potassium but magnesium is normal is, the ith row of the array Y is for dependent variables, so Yi= [1 1 0], if the ith cucumber leaf is deficient in nitrogen and magnesium but the potassium is normal, the ith row of the array is Y for dependent variables, i.e., Yi= [1 0 1], if the i-th cucumber leaf is deficient in potassium and magnesium but nitrogen is normal, the i-th row of the array is Y dependent variables, i.e., Yi= [0 1 1], if i-th cucumber leaf is nitrogen-deficient but potassium and magnesium normal, i-th row of array is Y for dependent variables, so Yi= [1 0 0] if i-th cucumber leaf is potassium-deficient but nitrogen and magnesium normal , the i-th row of the array Y is for dependent variables, so Yi= [0 1 0] if the i-th cucumber leaf has magnesium but lacks potassium and nitrogen is normal, the i-th row of the array is Y dependent variables, so Yi=[0 0 1], if the i-th cucumber leaf has nitrogen, potassium and magnesium all normal, the i-th row is of the array Y dependent variables, i.e. Yi= [0 0 0], (3) Using the array X for independent variables and the array Y for dependent variables associated with 60 cucumber leaves, in combination with the K algorithm to detect the next one Neighbors to create a diagnostic model for nitrogen, potassium and magnesium deficiencies Y = F (X).
Beispiel 3: Diagnose für Stickstoff-, Kalium- und Maqnesiummanqel in zu testenden BlätternExample 3: Diagnosis of nitrogen, potassium and magnesium deficiencies in leaves to be tested
[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.(1) According to the method described in Step S1 of Example 2, for 10 (i.e., Q = 10) cucumber leaves to be tested, based on the small region dividing points, the large region dividing points and the outer contour line, the leaf surface of each cucumber leaf is measured in 26 small areas divided; (2) According to the method described in Steps S2 and S3 of Example 2, extracting the mean value of chlorophyll content, the variance of chlorophyll content, the maximum value of chlorophyll content and the minimum value of chlorophyll content [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] corresponding to all pixels in 26 small regions in the leaf surface distribution diagram of chlorophyll of 10 cucumber leaves to create an independent variable array X' with 10 rows × 10 4 columns; where the mean chlorophyll content, variance of chlorophyll content, maximum value of chlorophyll content, and minimum value of chlorophyll content corresponding to all pixels in the m small areas in the leaf surface distribution diagram of chlorophylls of the u-th cucumber leaf to be tested are [X'_P1_u,X '_P2_u, X'_P3_u, X'_P4_u], where u = 1, 2, ..., 9, 10. (3) Substituting the array X' for independent variables of the leaf to be tested in diagnostic model Y = F(X) for nitrogen, potassium and magnesium deficiency and calculate 10 rows × 3 columns of the variable array Y'= F(X') of the leaf to be tested, where the content of N, K and Mg of the leaf to be tested is given by the value Y'u in the u-th row of the array Y' for dependent variables of the leaf to be tested. If the value of the first column of Y'u is 0, it means that nitrogen on the u-th leaf to be tested is normal, if the value of the first column of Y'u is 1, it means that nitrogen on the u-th leaf to be tested is lacking, if the value of the second column of Y'u is 0, it means potassium to the u-th leaf to be tested is normal, if the value of the second column of Y'u is 1, it means that potassium lacking in the u-th leaf to be tested, if the value of the third column of Y'u is 0, it means magnesium is normal in the u-th leaf to be tested, if the value of the third column of Y'u is 1, it means that the u-th leaf to be tested is magnesium deficient.
Tabelle 1. Diagnoseergebnisse von Stickstoff-, Kalium- und Magnesiummangel in zu testenden BlätternTable 1. Diagnostic results of nitrogen, potassium and magnesium deficiencies in leaves to be tested
[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%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 The accuracy of the diagnosis according to the invention 100%
Claims (7)
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910789336.3A CN110631995B (en) | 2019-08-26 | 2019-08-26 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency by leaf chlorophyll and leaf surface distribution characteristics |
| PCT/CN2019/107983 WO2021035858A1 (en) | 2019-08-26 | 2019-09-26 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency on the basis of distribution characteristics of leaf chlorophyll on leaf surface |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CH716708B1 true CH716708B1 (en) | 2022-05-13 |
Family
ID=68969067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CH01498/20A CH716708B1 (en) | 2019-08-26 | 2019-09-26 | Method for diagnosing nitrogen, potassium and magnesium deficiency in plants based on leaf surface distribution characteristics of leaf chlorophyll. |
Country Status (4)
| Country | Link |
|---|---|
| CN (1) | CN110631995B (en) |
| CH (1) | CH716708B1 (en) |
| GB (1) | GB2591565B (en) |
| WO (1) | WO2021035858A1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110631995B (en) * | 2019-08-26 | 2021-09-10 | 江苏大学 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency by leaf chlorophyll and leaf surface distribution characteristics |
| CN111398198A (en) * | 2020-04-29 | 2020-07-10 | 中国农业大学 | Rapid nondestructive testing method for wheat grain trace elements |
| CN114486761B (en) * | 2022-01-24 | 2024-04-12 | 云南省热带作物科学研究所 | Rapid estimation method for magnesium content of rubber tree blade |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100538333C (en) * | 2006-04-30 | 2009-09-09 | 武汉大学 | Portable detector for pigment in plant leaf |
| UA32191U (en) * | 2007-12-13 | 2008-05-12 | Yuriev Inst Of Plant Science O | Method for recording affection of cereals and grain legumes with leaf diseases |
| CN101382488B (en) * | 2008-10-14 | 2010-09-29 | 江苏吟春碧芽茶叶研究所有限公司 | Method for detecting nitrogen content in fresh tea by visible light-near infrared diffuse reflection spectrum technology |
| BRPI0805608B1 (en) * | 2008-12-15 | 2018-11-21 | Embrapa Pesquisa Agropecuaria | method, equipment and system for the diagnosis of stresses and diseases in higher plants |
| CN101692037B (en) * | 2009-09-08 | 2011-12-21 | 江苏大学 | Method for analyzing chlorophyll distribution on surface of leaves of plant by hyperspectral image and independent component |
| CN101915738B (en) * | 2010-06-23 | 2013-06-12 | 江苏大学 | Method and device for rapidly detecting nutritional information of tea tree based on hyperspectral imaging technique |
| CN103868891A (en) * | 2014-03-12 | 2014-06-18 | 中国农业科学院油料作物研究所 | Method for rapidly diagnosing nitrogen nutrition in oilseed rape leaves and recommending application of nitrogen |
| CN105486669A (en) * | 2016-01-12 | 2016-04-13 | 丽水学院 | Chlorophyll fluorescence diagnostic method for deficiency of indispensable plant nutritive elements |
| CN105675821B (en) * | 2016-02-21 | 2018-11-02 | 南京农业大学 | A kind of method for building up of the picture appraisal index of crop nitrogen nutrition Nondestructive |
| CN110148146B (en) * | 2019-05-24 | 2021-03-02 | 重庆大学 | Plant leaf segmentation method and system by utilizing synthetic data |
| CN110631995B (en) * | 2019-08-26 | 2021-09-10 | 江苏大学 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency by leaf chlorophyll and leaf surface distribution characteristics |
-
2019
- 2019-08-26 CN CN201910789336.3A patent/CN110631995B/en active Active
- 2019-09-26 WO PCT/CN2019/107983 patent/WO2021035858A1/en active Application Filing
- 2019-09-26 CH CH01498/20A patent/CH716708B1/en not_active IP Right Cessation
- 2019-09-26 GB GB2018070.9A patent/GB2591565B/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021035858A1 (en) | 2021-03-04 |
| CN110631995A (en) | 2019-12-31 |
| CN110631995B (en) | 2021-09-10 |
| GB2591565B (en) | 2022-10-12 |
| GB2591565A (en) | 2021-08-04 |
| GB2591565A8 (en) | 2021-08-11 |
| GB202018070D0 (en) | 2020-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CH716708B1 (en) | Method for diagnosing nitrogen, potassium and magnesium deficiency in plants based on leaf surface distribution characteristics of leaf chlorophyll. | |
| DE3612651C2 (en) | ||
| DE2509353A1 (en) | METHOD AND DEVICE FOR OBTAINING INFORMATION CORRESPONDING TO A SAMPLE | |
| DE102006000946B4 (en) | Method and system for inspecting a periodic structure | |
| WO2007056884A2 (en) | Method for characterising effect yarn | |
| WO1990010273A1 (en) | Process and arrangement for automatic optical classification of plants | |
| DE69110463T2 (en) | CHECKING CLOTHES. | |
| DE102006039921A1 (en) | Automatic airway evaluation system and method for multi-slice computed tomography (MSCT) image data using airway lumen diameter, airway wall thickness, and broncho-arterial ratio | |
| DE3206147A1 (en) | CHROMATOGRAPH DETECTOR | |
| BE1030775B1 (en) | METHODS, DEVICES, STORAGE MEDIA AND COMPUTER EQUIPMENT FOR READING VOLUMETRIC CONTAINERS | |
| EP3247990A1 (en) | Method and apparatus for determining the effect of active ingredients on nematodes and other organisms in aqueous tests | |
| DE3622222A1 (en) | CHARACTER RECOGNITION IN TWO-DIMENSIONAL SIGNALS | |
| DE102018002850B3 (en) | Analysis method and soiling | |
| EP2244225B1 (en) | Method for optically scanning an object and device | |
| DE112018007805T5 (en) | Biopolymer analysis method and biopolymer analysis device | |
| DE102019133515B3 (en) | Method and device for parallax determination of recordings of a multi-lens camera system | |
| DE4331018A1 (en) | Automatic disease evaluation from protein fraction data - obtd. from electrophoretic analysis of blood and comparison of characteristic parameters with those in intelligent tables | |
| DE1806615B2 (en) | Method and device for the automatic query of spectra | |
| DE102006043348A1 (en) | System and method for grouping airways and arteries for quantitative analysis | |
| DE3617618C2 (en) | ||
| DE10033314A1 (en) | Device for troubleshooting image processing devices and method for testing image processing devices | |
| DE102008049859A1 (en) | Method and test system for optical inspection of a contour of a test object | |
| DE2207743C3 (en) | Circuit arrangement for the automatic detection of unknown patterns | |
| DE102019102284A1 (en) | Method for analyzing multiple data sets and signal analysis device | |
| EP2353143B1 (en) | Method and test system for optically testing a test object |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PL | Patent ceased | ||
| PL | Patent ceased |