CN101210876A - 基于可见/近红外多光谱成像的水稻养分信息测量方法 - Google Patents
基于可见/近红外多光谱成像的水稻养分信息测量方法 Download PDFInfo
- Publication number
- CN101210876A CN101210876A CNA2007101648242A CN200710164824A CN101210876A CN 101210876 A CN101210876 A CN 101210876A CN A2007101648242 A CNA2007101648242 A CN A2007101648242A CN 200710164824 A CN200710164824 A CN 200710164824A CN 101210876 A CN101210876 A CN 101210876A
- Authority
- CN
- China
- Prior art keywords
- image
- rice
- near infrared
- canopy
- multispectral imaging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于可见/近红外多光谱成像的水稻营养信息测量方法。可见/近红外多光谱成像仪采集被测水稻植株的冠层图像和反射率动态标定板图像,通过图像采集卡输入计算机,图像分析处理软件分析水稻冠层图像红色、绿色及近红外三个通道图像的信息,通过反射率动态标定板将该三个通道图像信息的灰度值转换成反射率值。将传输到计算机的图像经过图像处理,消除噪声,去除背景,把待测水稻冠层的多光谱反射率值输入校正模型,得到该水稻的氮、磷、钾及蛋白质含量的测量。所以本发明只要在有代表性的水稻样本的基础上建立校正模型就可以实现对待测水稻的氮、磷、钾及蛋白质含量进行快速、无损、实时、在线的测定。
Description
技术领域
本发明涉及一种基于可见/近红外多光谱成像的水稻营养信息测量方法。
背景技术
植物营养信息和理化信息合称为植物生理生态信息。数字农业要求快速、实时、定位化测量,而早期植物营养诊断方法一般都是破坏性的实验室方法,无法满足实时变量施肥的要求。目前,有一些借助于仪器的诊断,如叶绿素计法是将植物叶片插入叶绿素计测定部位感光后读出叶绿素值(叶色值),根据与植株含氮量的关系确定氮素诊断的叶色值。叶绿素计体积小、重量轻、测定方法简单,但叶绿素计的局限性在于它得到的作物氮肥含量是从测试样本的有限个点得到的,每次只能检测约6平方毫米的小区域,无法得到完整植株的营养状况,不适于植物建模过程中的精细描述。
可见/近红外多光谱成像技术是一种能够同时采集可见光谱和红外光谱等波段数字图像并进行分析的技术。它结合了光谱分析技术(敏感波段提取)和计算机图像处理技术的长处,同时可以弥补光谱仪抗干扰能力较弱和RGB图像感受范围窄的缺点。针对错综复杂的外部环境和形状各异的植物品种,利用可见/近红外多光谱成像技术,同时处理可见光谱和红外光谱图像中植物的颜色信息、形状信息以及特征信息,对植物生长健康状况进行快速、准确的检测。
发明内容
本发明的目的在于提供一种基于可见/近红外多光谱成像的水稻营养信息测量方法。
本发明采用的技术方案如下:
可见/近红外多光谱成像仪采集被测水稻植株的冠层图像和反射率动态标定板图像,通过图像采集卡输入计算机,图像分析处理软件分析水稻冠层图像红色、绿色及近红外三个通道图像的信息,通过反射率动态标定板将该三个通道图像信息的灰度值转换成反射率值。将传输到计算机的图像经过图像处理,消除噪声,去除背景,把待测水稻冠层的多光谱反射率值输入校正模型,得到该水稻的氮、磷、钾及蛋白质含量的测量。
图像分析处理软件对采集到的水稻冠层图像的养分分析过程包括以下步骤:
1)通过反射率动态标定板在被测水稻冠层图像的红、绿、近红外三个通道图像中各个象素点的灰度值及其对应的反射率值建立两者之间的线性相关关系;
2)通过建立的图像灰度值和反射率值的线性关系,将图像的灰度值转换成反射率值;
3)通过近红外通道的图像信息,将图像中土壤背景和水稻分离;
4)把待测水稻冠层的多光谱反射率值输入校正模型,得到该水稻的氮、磷、钾及蛋白质养分含量。
本发明与背景技术相比,具有的有益效果是:
(1)功能强大,可实现对水稻养分含量(氮、磷、钾及蛋白质含量)的快速、准确、非破坏性、在线的测定。
(2)结构简单,整个测量装置只由一个可见/近红外多光谱成像系统、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源组成。
(3)使用方便,只要将测量装置中的各组成部件按照要求连接起来,对待测水稻冠层的多光谱图像进行获取,然后将提取出来的特征信息输入校正模型即可完成待测水稻养分含量(氮、磷、钾及蛋白质含量)的测定。
(4)具有良好的经济效益,传统的测量手段在取样、测定、数据分析等方面需要耗费大量的人力、物力,且效性差,本测量装置因结构简单、制作方便,可以快速、准确的测量水稻的氮、磷、钾及蛋白质含量,从而实现实时、无损检测水稻养分信息。
所以本系统只要在有代表性的水稻样本的基础上建立校正模型就可以实现对待测水稻的氮、磷、钾及蛋白质含量进行快速、无损、实时、在线的测定。
附图说明
附图是可见/近红外多光谱成像技术无损测量水稻养分含量(氮、磷、钾及蛋白质含量)方法的结构原理框图。
具体实施方式
本发明采用的技术方案包括硬件部分和软件部分:
本系统的硬件部分由可见/近红外多光谱成像仪、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源组成。可见/近红外多光谱成像仪分别通过RS-232串口线及图像采集卡数据线与计算机连接,计算机上设有图像分析处理软件。多光谱成像仪将摄入光源经过滤,实时分离成绿(550nm),红(650nm),近红外(800nm)三个波段通道的单色图像,通过数据接收板把图像传输给计算机。
本系统的软件部分包括:首先建立水稻养分含量(氮、磷、钾及蛋白质含量)校正模型。然后在校正模型的基础上对未知样本的氮、磷、钾及蛋白质含量进行测定。校正模型的建立分三步实现,第一步选择有代表性的水稻作为校正集样本,通过可见/近红外多光谱成像仪获得水稻冠层的多光谱图像,获得的图像经过去噪提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象在该光谱波长下的反射率值。第二步是采用国标法测定校正集样本的养分含量(氮、磷、钾及蛋白质含量)。第三步是运用多元校正算法(偏最小二乘回归、多元线形回归、神经网络、支持向量机等)建立校正集样本的多光谱波长下的反射率值(多光谱图像的特征参数)与它们的标准含量(氮、磷、钾及蛋白质含量)之间的定量关系,即建立了校正模型。
对于未知养分含量(氮、磷、钾及蛋白质含量)的水稻,只要用多光谱成像仪获得对应波长处的多光谱图像,经过去噪算法提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的在该光谱波长下的反射率值。把该反射率值输入校正模型,经过校正模型的测定即得到该水稻的氮、磷、钾及蛋白质含量。
首先通过本系统的硬件部分:可见/近红外多光谱成像仪、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源来获得水稻冠层的光谱图像。如图1中所示,用可见/近红外多光谱成像仪采集水稻冠层多光谱图像和标定板的多光谱图像信息,多光谱成像仪将摄入光源经过滤,实时分离成绿(550nm),红(650nm),近红外(800nm)三个波段通道的单色图像,然后通过RS-232接口送到图像接收板,在经由图像接收板输入计算机中。
可见/近红外多光谱成像仪采用美国Redlake公司的MS3 100 DuncanCamera;图象采集卡采用美国National Instrument公司的PCI 1424或1428数据采集卡。
本发明系统的可见/近红外多光谱成像仪可通过设置如可调节角度、高度、移动底座的三脚架,屋顶可沿设计轨迹移动的悬挂机构或安装有可调节机械伸展臂高度、角度的车辆等固定装置进行固定,分别用于室内及室外使用。同时植物和反射率动态标定板的可见/近红外多光谱的图象采集所用的光源为日光,当室内无阳光时采用人工光源。
在野外田间工作时,将可见/近红外多光谱成像仪安装在三角支架上方,如水稻距离道路较近,为了方便快速测量,亦可安装在从车辆上伸出的机械臂上。成像仪镜头保证垂直地面照射,镜头距离水稻冠层表面1.5~2米左右。
在温室内工作时,将可见/近红外多光谱成像仪安装在房顶可沿设计轨迹移动的悬挂机构上。成像仪同样可以固定在三角支架上,镜头垂直向下采集图象信息。
传输到计算机的图像经过图像处理软件和特征提取,消除背景土壤的影响和外界条件包括太阳光照射强度变化、风、系统移动等造成的误差,得到高质量的图像信息。在每一副图像中都有标准反射板,标准反射板是由四块反射率恒定的板组成,通过标准反射板上的灰度与反射率的关系可以建立灰度与反射率校正直线。然后水稻冠层的叶片灰度值就可以转化为水稻冠层叶片的反射率值,由于的可见/近红外多光谱成像仪可以同时获得绿(550nm),红(650nm),近红外(800nm)三个波段通道的单色图像,所以可以同时获得550nm,650nm和800nm三个波段处的光谱反射率值。
校正模型的建立分三步实现,第一步选择有代表性的水稻作为校正集样本,通过可见/近红外多光谱成像仪获得水稻冠层的多光谱图像,获得的图像经过去噪提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象在该光谱波长下的反射率值。第二步是采用国标法测定校正集样本的养分含量(氮、磷、钾及蛋白质含量)。第三步是运用多元校正算法(偏最小二乘回归、多元线形回归、神经网络、支持向量机等)建立校正集样本的多光谱波长下的反射率值(多光谱图像的特征参数)与它们的标准含量(氮、磷、钾及蛋白质含量)之间的定量关系,即建立了校正模型。
对于未知养分含量(氮、磷、钾及蛋白质含量)的水稻,只要用多光谱成像仪获得对应波长处的多光谱图像,经过去噪算法提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的在该光谱波长下的反射率值。把该反射率值输入校正模型,经过校正模型的测定即得到该水稻的氮、磷、钾及蛋白质含量。
Claims (2)
1.一种基于可见/近红外多光谱成像的水稻养分信息测量方法,其特征在于:可见/近红外多光谱成像仪采集被测水稻植株的冠层图像和反射率动态标定板图像,通过图像采集卡输入计算机,图像分析处理软件分析水稻冠层图像红色、绿色及近红外三个通道图像的信息,通过反射率动态标定板将该三个通道图像信息的灰度值转换成反射率值。将传输到计算机的图像经过图像处理,消除噪声,去除背景,把待测水稻冠层的多光谱反射率值输入校正模型,得到该水稻的氮、磷、钾及蛋白质含量的测量。
2.根据权利要求1所述的一种基于可见/近红外多光谱成像的水稻养分信息测量方法,其特征在于:图像分析处理软件对采集到的水稻冠层图像的养分分析过程包括以下步骤:
1)通过反射率动态标定板在被测水稻冠层图像的红、绿、近红外三个通道图像中各个象素点的灰度值及其对应的反射率值建立两者之间的线性相关关系;
2)通过建立的图像灰度值和反射率值的线性关系,将图像的灰度值转换成反射率值;
3)通过近红外通道的图像信息,将图像中土壤背景和水稻分离;
4)把待测水稻冠层的多光谱反射率值输入校正模型,得到该水稻的氮、磷、钾及蛋白质养分含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101648242A CN101210876A (zh) | 2007-12-25 | 2007-12-25 | 基于可见/近红外多光谱成像的水稻养分信息测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101648242A CN101210876A (zh) | 2007-12-25 | 2007-12-25 | 基于可见/近红外多光谱成像的水稻养分信息测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101210876A true CN101210876A (zh) | 2008-07-02 |
Family
ID=39611047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101648242A Pending CN101210876A (zh) | 2007-12-25 | 2007-12-25 | 基于可见/近红外多光谱成像的水稻养分信息测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101210876A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN101413797B (zh) * | 2008-12-04 | 2011-06-01 | 北京师范大学 | 多光谱冠层成像方法及仪器 |
CN102749290A (zh) * | 2012-07-02 | 2012-10-24 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
CN102841073A (zh) * | 2012-09-10 | 2012-12-26 | 浙江大学 | 一种基于背景消除的植物冠层信息光谱检测方法 |
CN103592228A (zh) * | 2013-10-30 | 2014-02-19 | 浙江大学 | 一种茶叶叶片spad指数的检测方法 |
CN103901036A (zh) * | 2012-12-24 | 2014-07-02 | 联想(北京)有限公司 | 目标物体的材料特征判断方法及电子设备 |
CN104374732A (zh) * | 2014-11-24 | 2015-02-25 | 中国农业科学院农业信息研究所 | 作物叶片生理水分监测系统 |
CN104990877A (zh) * | 2015-07-31 | 2015-10-21 | 合肥工业大学 | 一种基于多光谱成像技术的虾贝类去壳水产品辐照剂量的检测方法 |
CN105527236A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品主要营养成分的方法 |
CN105699301A (zh) * | 2015-12-31 | 2016-06-22 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品中粗纤维素的方法 |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN106644971A (zh) * | 2016-10-09 | 2017-05-10 | 塔里木大学 | 一种土壤胡敏素含量的检测方法 |
CN108064386A (zh) * | 2017-11-24 | 2018-05-22 | 深圳市汇顶科技股份有限公司 | 背景去除方法、影像模块及光学指纹辨识系统 |
CN108445943A (zh) * | 2018-05-30 | 2018-08-24 | 北京天创金农科技有限公司 | 温室大棚智能控制系统 |
CN109946250A (zh) * | 2019-03-27 | 2019-06-28 | 浙江大学 | 快速测定稻米总磷含量的方法 |
CN110097535A (zh) * | 2019-03-22 | 2019-08-06 | 华南农业大学 | 植物叶片含氮量检测方法、装置、计算机设备和存储介质 |
CN110346305A (zh) * | 2019-07-17 | 2019-10-18 | 浙江大学 | 一种测量植物叶片氮含量的方法和装置 |
CN112881309A (zh) * | 2021-02-06 | 2021-06-01 | 内蒙古农业大学 | 一种马铃薯叶片氮素检测模型的建立方法及马铃薯叶片氮素的检测方法 |
CN113466142A (zh) * | 2021-06-17 | 2021-10-01 | 塔里木大学 | 一种多尺度果品散射偏振光谱成像定量检测方法 |
WO2023273094A1 (zh) * | 2021-06-30 | 2023-01-05 | 奥比中光科技集团股份有限公司 | 一种光谱反射率的确定方法、装置及设备 |
-
2007
- 2007-12-25 CN CNA2007101648242A patent/CN101210876A/zh active Pending
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413797B (zh) * | 2008-12-04 | 2011-06-01 | 北京师范大学 | 多光谱冠层成像方法及仪器 |
CN101839979B (zh) * | 2010-04-22 | 2012-07-25 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN102749290B (zh) * | 2012-07-02 | 2014-12-03 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
CN102749290A (zh) * | 2012-07-02 | 2012-10-24 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
CN102841073A (zh) * | 2012-09-10 | 2012-12-26 | 浙江大学 | 一种基于背景消除的植物冠层信息光谱检测方法 |
CN103901036B (zh) * | 2012-12-24 | 2017-04-19 | 联想(北京)有限公司 | 目标物体的材料特征判断方法及电子设备 |
CN103901036A (zh) * | 2012-12-24 | 2014-07-02 | 联想(北京)有限公司 | 目标物体的材料特征判断方法及电子设备 |
CN103592228B (zh) * | 2013-10-30 | 2015-09-16 | 浙江大学 | 一种茶叶叶片spad指数的检测方法 |
CN103592228A (zh) * | 2013-10-30 | 2014-02-19 | 浙江大学 | 一种茶叶叶片spad指数的检测方法 |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN104374732A (zh) * | 2014-11-24 | 2015-02-25 | 中国农业科学院农业信息研究所 | 作物叶片生理水分监测系统 |
CN104990877A (zh) * | 2015-07-31 | 2015-10-21 | 合肥工业大学 | 一种基于多光谱成像技术的虾贝类去壳水产品辐照剂量的检测方法 |
CN105699301A (zh) * | 2015-12-31 | 2016-06-22 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品中粗纤维素的方法 |
CN105527236A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品主要营养成分的方法 |
CN105699301B (zh) * | 2015-12-31 | 2019-05-28 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品中粗纤维素的方法 |
CN106644971A (zh) * | 2016-10-09 | 2017-05-10 | 塔里木大学 | 一种土壤胡敏素含量的检测方法 |
CN108064386A (zh) * | 2017-11-24 | 2018-05-22 | 深圳市汇顶科技股份有限公司 | 背景去除方法、影像模块及光学指纹辨识系统 |
US11182586B2 (en) | 2017-11-24 | 2021-11-23 | Shenzhen GOODIX Technology Co., Ltd. | Background subtraction method, image module, and optical fingerprint identification system |
WO2019100329A1 (zh) * | 2017-11-24 | 2019-05-31 | 深圳市汇顶科技股份有限公司 | 背景去除方法、影像模块及光学指纹辨识系统 |
CN108064386B (zh) * | 2017-11-24 | 2022-04-05 | 深圳市汇顶科技股份有限公司 | 背景去除方法、影像模块及光学指纹辨识系统 |
CN108445943A (zh) * | 2018-05-30 | 2018-08-24 | 北京天创金农科技有限公司 | 温室大棚智能控制系统 |
CN110097535B (zh) * | 2019-03-22 | 2021-05-07 | 华南农业大学 | 植物叶片含氮量检测方法、装置、计算机设备和存储介质 |
CN110097535A (zh) * | 2019-03-22 | 2019-08-06 | 华南农业大学 | 植物叶片含氮量检测方法、装置、计算机设备和存储介质 |
CN109946250A (zh) * | 2019-03-27 | 2019-06-28 | 浙江大学 | 快速测定稻米总磷含量的方法 |
CN110346305A (zh) * | 2019-07-17 | 2019-10-18 | 浙江大学 | 一种测量植物叶片氮含量的方法和装置 |
CN112881309A (zh) * | 2021-02-06 | 2021-06-01 | 内蒙古农业大学 | 一种马铃薯叶片氮素检测模型的建立方法及马铃薯叶片氮素的检测方法 |
CN113466142A (zh) * | 2021-06-17 | 2021-10-01 | 塔里木大学 | 一种多尺度果品散射偏振光谱成像定量检测方法 |
WO2023273094A1 (zh) * | 2021-06-30 | 2023-01-05 | 奥比中光科技集团股份有限公司 | 一种光谱反射率的确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101210876A (zh) | 基于可见/近红外多光谱成像的水稻养分信息测量方法 | |
CN102721651B (zh) | 基于多光谱图像的植物叶片水分含量的检测方法及系统 | |
CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
CN100520356C (zh) | 基于可见/近红外多光谱成像的灰霉病害早期诊断系统 | |
CN100510709C (zh) | 便携式多通道作物叶片氮素营养指标无损监测装置 | |
CN101915738B (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
CN108376419A (zh) | 一种盆栽生菜的综合长势监测方法及装置 | |
CN103048266B (zh) | 一种设施番茄氮磷钾胁迫自动识别方法和装置 | |
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
CN111751376B (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
CN1837787A (zh) | 一种无损伤精准测定棉花生物物理参数的方法 | |
CN102445421B (zh) | 一种用于快速诊断烤烟氮素叶色卡的制备方法 | |
CN101059452A (zh) | 基于多光谱成像技术的水果品质无损检测方法与系统 | |
CN100357725C (zh) | 近红外技术快速检测牛肉嫩度的方法和装置 | |
CN109827957B (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
CN105115910A (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
CN106501816A (zh) | 一种枣树冠层氮含量的卫星遥感监测方法 | |
CN101059427A (zh) | 多光谱成像技术快速无损测量茶树含氮量的方法 | |
CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
CN1793857A (zh) | 油菜氮素营养多光谱图像诊断方法及诊断系统 | |
CN200996939Y (zh) | 一种植物叶片与冠层灰霉病害早期诊断装置 | |
CN106092961A (zh) | 一种快速检测农产品中化学成分的方法 | |
CN106504240A (zh) | 一种枣树冠层叶绿素a含量的卫星遥感监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080702 |