CN101482514A - 一种病害检测仪及其检测方法 - Google Patents

一种病害检测仪及其检测方法 Download PDF

Info

Publication number
CN101482514A
CN101482514A CNA2008100558741A CN200810055874A CN101482514A CN 101482514 A CN101482514 A CN 101482514A CN A2008100558741 A CNA2008100558741 A CN A2008100558741A CN 200810055874 A CN200810055874 A CN 200810055874A CN 101482514 A CN101482514 A CN 101482514A
Authority
CN
China
Prior art keywords
disease
incident
sensor
electric signal
microprocessor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2008100558741A
Other languages
English (en)
Other versions
CN101482514B (zh
Inventor
黄文江
王纪华
赵春江
孙刚
郑文刚
徐新刚
宋晓宇
杨月英
李存军
王鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center for Information Technology in Agriculture
Original Assignee
Beijing Research Center for Information Technology in Agriculture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Center for Information Technology in Agriculture filed Critical Beijing Research Center for Information Technology in Agriculture
Priority to CN2008100558741A priority Critical patent/CN101482514B/zh
Publication of CN101482514A publication Critical patent/CN101482514A/zh
Application granted granted Critical
Publication of CN101482514B publication Critical patent/CN101482514B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种病害检测仪,包括:微处理器,用于接收和处理从入射传感器和反射传感器传来的信号;电源单元,与所述微处理器连接,用于为所述微处理器提供电源;入射传感器,与所述微处理器连接,用于将与被测作物病情指数对应的敏感波段的入射光转化成入射电信号输入所述微处理器;反射传感器,与所述微处理器连接,用于将从被测作物反射的与被测作物病情指数对应的敏感波段的反射光转化成反射电信号输入所述微处理器;显示单元,与所述微处理器连接,用于将所述微处理器处理完的数据信息进行显示。本发明能够快速、可靠、实地、实时地对作物病害状态进行诊断,可以广泛应用于作物病害的诊断、农业生产和科研上。

Description

一种病害检测仪及其检测方法
技术领域
本发明涉及农业领域,特别是涉及一种病害检测仪及其检测方法。
背景技术
由于现代化工业和农业的发展,作物生长的生态条件受到极大的破坏,生态食物链遭到破坏,农作物的病虫灾害日益严重,其对农业生产影响及危害是相当于惊人的。据统计,作物病虫害可使世界农业收成减产1/3。
小麦条锈病是长期危害小麦生产的重要病害,它的发生范围广、流行性强、危害重,一旦暴发,若不及时发现,及时治理,将会造成灾难性后果,所以长期以来是栽培学家、育种学家、病理学家、植保专家们研究的重点。
传统的条锈病的监测主要基于田间取样、调查,综合其它信息进行预测预报,但对大面积病害的发生,传统的方法不但耗时、费力,而且预报滞后增加了损失程度,从而在一定程度上影响了预报的精确度。
发明内容
本发明的目的是提供一种快速、可靠、实地、实时地对作物病害状态进行诊断,实现病害监测的实时性和预报准确性,采用近地遥感对病害进行诊断的方法及对病害进行快速检测的仪器,特别是提供一种病害检测仪及其检测方法。
为达到上述目的,一方面,本发明的技术方案提供一种病害检测仪,包括:微处理器,用于接收和处理从入射传感器和反射传感器传来的信号;电源单元,与所述微处理器连接,用于为所述微处理器提供电源;入射传感器,与所述微处理器连接,用于将与被测作物病情指数对应的敏感波段的入射光转化成入射电信号输入所述微处理器;反射传感器,与所述微处理器连接,用于将从被测作物反射的与被测作物病情指数对应的敏感波段的反射光转化成反射电信号输入所述微处理器;显示单元,与所述微处理器连接,用于将所述微处理器处理完的数据信息进行显示。
其中,所述入射传感器包括:第一干涉滤光片,设置于所述病害检测仪最上端,用于只通过与被测作物病情指数对应的敏感波段的入射光;光电传感器,设置于所述第一干涉滤光片下端,用于将从所述第一干涉滤光片通过的入射光转变成入射电信号;第一镜筒,在其内部放置所述第一干涉滤光片和光电传感器,所述第一镜筒形成密闭整体。
其中,所述入射传感器还包括:漫反射体,设置于所述第一干涉滤光片上端,用于增大所述入射光的入射角度。
其中,所述反射传感器包括:第二干涉滤光片,设置于所述病害检测仪最底端,用于只通过从被测作物反射的与被测作物病情指数对应的敏感波段的反射光;物镜,设置于所述第二干涉滤光片的上方,用于将从所述第二干涉滤光片通过的反射光在所述物镜的焦点处成像;光电探测器,设置于所述物镜上方的物镜焦点处,用于将所述成像转化成反射电信号;第二镜筒,在其内部放置所述第二干涉滤光片、物镜、光电探测器,所述第二镜筒形成密闭整体。
其中,所述病害检测仪还包括存储单元,与所述微处理器连接,用于存储所述微处理器处理后的数据。
其中,所述病害检测仪还包括数据通信单元,与所述微处理器连接,用于将所述微处理器处理后的数据上传到上位机。
其中,所述与被测作物病情指数对应的敏感波段包括以下波段的一种或几种:650~670nm、750~0.770nm、790~810nm。
另一方面,本发明的技术方案提供病害检测仪进行病害检测的方法,包括以下步骤:将病害检测仪放置于被测作物上方,打开机器;入射传感器将采集的入射光信号转化为入射电信号,并将所述入射电信号传输给微处理器;发射传感器将采集的从被测作物上反射的反射光信号转化为反射电信号,并将所述反射电信号传输给微处理器;所述微处理器对接收的入射电信号和反射电信号进行处理,得出病害指数数值,并将所述病害指数数值在显示单元上显示。
上述技术方案仅是本发明的一个优选技术方案,具有如下优点:通过对作物在特定波段下的入射光进行采集,处理,从而得出作物的病害指数,用以判断作物是否发生病害。本发明可以快速、可靠、实地、实时地对作物病害状态进行诊断,避免了传统的主要基于田间取样、调查,综合其它信息进行预测和监测所具有的耗时、费力,而且预报滞后的缺点,可以广泛用于作物病害的诊断、农业生产和科研。
附图说明
图1是本发明实施例的一种病害检测仪的结构示意图;
图2是本发明实施例的一种病害检测仪的内部连接示意图。
其中,1、特征波长A入射传感器;2、特征波长B入射传感器;3、特征波长C入射传感器;4、电源开关;5、串行接口;6、特征波长A反射传感器;7、特征波长B反射传感器;8、特征波长C反射传感器;9、转轴;10、操作面板;11、手柄;12、按键;13、液晶显示屏;14、探测冠层区域;15、漫反射体;16、特征波长A干涉滤光片;17、特征波长B干涉滤光片;18、特征波长C干涉滤光片;19、光电传感器;20、物镜;21、光电探测器;22、电源单元;23、微处理器;24、液晶显示电路;25、存储单元;26、数据通信单元。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
下面以检测冬小麦是否发生条锈病为例进行详细介绍。
利用对条锈病敏感型品种薛早、一般感病型品种98-100和较耐病型品种京4113个品种在自然条件下,通过人在人工接种条锈病条件下对发病区及正常生长对照区的冬小麦单叶光谱、冠层光谱、生理参量、农学参量等因子进行了深入而系统的分析,其结论主要如下:
首先研究发现冬小麦在条锈病菌侵染下其体内生理参量及农学参量发生显著性变化:
1.病菌侵染冬小麦叶片后,由于条锈病大量破坏叶绿素、水分,所以叶绿素、类胡萝卜素、水分含量下降明显,3个不同感病型品种的变化趋势是一致的,不同等级处理之间差异显著。
2.真菌病害侵染小麦后,导致从旗叶和倒二叶为主的冠层叶感病早衰,光合面积减少,在尚未形成可见斑之前,病原菌已对光合机构的结构和功能造成某些损伤,导致叶片光能转化效率和光合速率锐减,大大削弱了冠层叶生产、加工、分配和输出光合产物的功能。随着DI(Disease Index,病情指数)的增加,叶片糖、全氮含量呈下降趋势,叶片淀粉含量呈上升趋势,C/N比(碳/氮比,为植物体内的含碳物质总量与含氮物质总量的比值,反映植被的物质积累状况)变化均随病情的增加而增加。
3.叶片在受到条锈病侵染后,叶片中的光捕获叶绿素蛋白遭到损坏,光系统II(PS II complex,类囊体膜中的一种光合作用单位,它含有两个捕光复合物和一个光反应中心,是植物光合作用的主要组成部分)原初光能转换效率(Fv/Fm)值与光系统II的潜在活性(Fv/Fo)值的降低,显著低于对照正常处理。表明叶片在受到条锈病侵染后,光系统II及光系统II的潜在活性也受到伤害。同时,植株由于叶绿素含量的减少直接影响了光合作用的CO2同化过程,从而导致叶片光合能力的下降,即光合效率的下降。
4.随着冬小麦病情指数的逐渐增加,病害对小麦叶片体内的生理生化物质的破坏作用增强。从而直接导致在外观上的植被叶面积指数(LAI,Leaf Area Index)、植被冠层归一化植被指数(NDVI,NormalizedDifferencev Egetation Index)的下降。
通过对3个品种的人工接种,由于当年的自然条件比较适宜病害的发生,大量接种后即使是较耐病型品种京411发病也较明显,品种的DI随生育期的变化曲线均成“S”型。从变化曲线可以看出,在挑旗期,条锈病害病叶率还在5.0%以下,但在扬花-抽穗期很快达到80.0%以上,一般认为条锈病的田间病叶率在5.0%以下处于最佳防治时期,所以在挑旗期到抽穗期前期是病害的遥感监测的最关键时期。
5.研究表明,98-100品种达到极显著的DI敏感波段位于500nm~526nm,549nm~713nm和734nm~1164nm,达到显著相关的敏感波段位于483nm~716nm和731nm~1311nm;京411品种达到极显著的DI敏感波段位于373nm~720nm,733nm~1148nm和1416nm~1795nm;薛早品种达到极显著的DI敏感波段位于472nm~715nm,739nm~969nm和1436nm~1505nm,3个不同感病型品种的病情指数大小在光谱上的响应敏感波段区域是一致的,与LandSAT/TM卫星传感器中的TM2(520~600nm),TM3(630~690nm)和TM4(760~900nm)3个波段的光谱范围相近(因为卫星传感器波段一般为一个比较宽的波段范围),因此,利用卫星监测冬小麦条锈病害是可行的。证实了病情指数DI反演监测模型的建立可以忽略品种参数对DI敏感区域的影响。
其次,条锈病的冠层光谱特征明显,主要表现为:
黄边、红谷波段(550nm~670nm)处,条锈病害冠层反射率都高于正常生长冬小麦冠层光谱反射率;在近红外波段,条锈病破坏了叶片的组织结构和水分含量,条锈病害的冠层反射率小于正常生长冬小麦冠层光谱反射率;冬小麦条锈病的红边宽度(λred-λmin)会随着病情指数的增加而逐渐变小;冬小麦条锈病的红边位置(λred)会随着病情指数的增加会出现“蓝移”;冬小麦条锈病的红边振幅(dλred)会随着病情指数的增加而逐渐变小;冬小麦条锈病的红边振幅与最小振幅比值(dλred/dλmin)会随着病情指数的增加而逐渐变小;冬小麦条锈病的红边峰值面积(∑d λ680~750nm)会随着病情指数的增加而逐渐变小;冬小麦条锈病的最小振幅(dλmin)会随着病情指数的增加而增加。
第三,通过对植被冠层进行分层处理,利用一阶微分后680nm的波段反射率值可以有效抑制叶面积大小对条锈病病情指数遥感监测结果的影响。
第四,通过地面实测冬小麦条锈病冠层光谱数据与航空影像数据(Pushbroom Hyperspectral Imaget,PHI)均表明,在冬小麦发病早期,病害最佳防治期内完全可以通过高光谱对病害进行监测。提出了冠层水平病情指数的反演条锈病害胁迫指数模型(Stripe Rust Stress Index,SRSI),利用上述病害小麦的光谱差异特征,定义条锈病害胁迫指数如下:
SRSI = R Disease - R Normal R Normal × NIR Normal - NIR Disease NIR Normal
式中RDisease和RNormal为正常生长的病害小麦和健康小麦在红波段的平均光谱反射率,NIRDisease和NIRNormal为病害小麦和健康小麦在近红外波段的平均光谱反射率(以上参数通过手册查询可得)。利用该模型可以对病情指数进行反演监测,正确率在75%以上。
通过以上试验可以看出,完全可以利用冬小麦发生条锈病的特定入射光波段来对冬小麦是否发生条锈病来进行预测。
图1是本发明实施例的一种病害检测仪的结构示意图;图2是本发明实施例的一种病害检测仪的内部连接示意图。结合图1、图2,对本实施例中的病害监测仪进行详细介绍。入射传感器包括漫反射体15、第一干涉滤光片和光电传感器19,漫反射体15安装在最上端,用于对入射光进行漫反射,以减小入射角度的影响;在漫反射体15下端设置有第一干涉滤光片,第一干涉滤光片只能够让特定波段的入射光通过,即仅能够让与被测作物病情指数对应的敏感波段的入射光通过。在第一干涉滤光片下端设置有光电传感器19,通过第一干涉滤光片的入射光照射到光电传感器19的光敏面上,光电传感器19将光信号转化成电信号,并将该电信号经光电传感器内部放大,进行模拟/数字转换(A/D转换)后生成入射电信号通过IIC接口传输给微处理器23。光电传感器19、漫反射体15、第一干涉滤光片通过第一镜筒(图中未视)连接成一个密闭整体。本实施例的入射传感器包含有三个入射传感器,分别为:特征波长A入射传感器1、特征波长B入射传感器2、特征波长C入射传感器3,三个入射传感器的结构相同,不同之处在于第一干涉滤光片通过的入射光中心波长不同,三个特征波长分别为:特征波长A(0.650—0.670μm)和特征波长B(0.750—0.770μm)及特征波长C(0.790—0.810μm)波段。也就是说特征波长A入射传感器1只通过波段0.650—0.670μm的入射光,特征波长B入射传感器2只通过波段0.750—0.770μm的入射光,特征波长C入射传感器3只通过波段0.790—0.810μm的入射光。
反射传感器包括第二干涉滤光片、物镜20、光电探测器21,第二干涉滤光片位于最下端,其主要是用来过滤从被测作物反射的反射光,其仅仅能够让与被测作物病情指数对应的敏感波段的反射光通过。在第二干涉滤光片上方设置有物镜20,用于将从第二干涉滤光片通过的反射光在物镜20的焦点处成像。光电探测器21设置在物镜的上方,位于物镜的焦点处,用于采集物镜的成像的光信号。成像物镜20将距离1.2m左右的植被目标成像在光电探测器21的光敏面上,光电探测器21将光信号转换为光电流,该光电流经过运放电路转换为电压信号(即为反射电信号),将该电压信号输入到微控制器的A/D输入管脚。光电探测器21、物镜20、第二干涉滤光片通过第二镜筒(图中未视)连接成一个密闭整体。本实施例的反射传感器包括三个反射传感器,即特征波长A反射传感器6、特征波长B反射传感器7、特征波长C反射传感器8。三个反射传感器结构一样,其不同之处在于第二干涉滤光片通过的反射光中心波长不同。三个反射传感器分别与三个入射传感器对应。对应的第一干涉滤光片与第二滤光片也相同,即特征波长A入射传感器1的第一干涉滤光片与特征波长A反射传感器6的第二干涉滤光片均为特征波长A干涉滤光片16,特征波长B入射传感器2的第一干涉滤光片与特征波长B反射传感器7的第二干涉滤光片均为特征波长B干涉滤光片17,特征波长C入射传感器3的第一干涉滤光片与特征波长C反射传感器8的第二干涉滤光片均为特征波长C干涉滤光片18。
病害检测仪还包括电源单元22,用于为微处理器23提供电源。另外,病害检测仪上的存储单元25能将测量的数据存储在仪器上,用户可以通过数据通信单元26将数据上传到上位机上,以方便进行进一步分析和处理。另外,数据通信单元26还可以与上位机通信,用于更新微处理器内的程序。串口接口5为标准RS232接口,也可以为RS485或RS422或其他接口,例如USB(Universal Serial Bus,通用串行总线)接口。病害检测仪的显示单元包括操作面板10、按键12、液晶显示屏13以及显示电路,液晶显示屏13采用现有通用的液晶显示屏,其液晶显示电路24也采用通用显示电路,而且液晶显示屏介绍也通常介绍显示电路,对于本领域普通技术人员来说,该显示电路已为现有技术,因此,本实施例不在详述该显示电路。操作面板10跟仪器主体分离,操作面板10固定在仪器手柄11上,靠近操作者,方便使用。另外,手柄11跟仪器主体通过转轴9连接,具有3个旋转自由度。
本实施例中以太阳光作为光源,将病害检测仪安装在垂直向下距植被冠层1.2米处,其对应作物探测冠层区域14的范围为0.5m半径的圆。在使用该仪器时应避免身体对太阳光的遮挡,并且建议测量者穿深色衣服,减少衣服反射光对冠层反射光的影响。
利用病害检测仪进行病害检测的方法包括以下步骤:
S1:将仪器水平放置于距离地面1.4m左右的作物冠层上方,并且通过电源开关4打开仪器电源。
S2:操作键盘,微处理器23分别控制测量入射光强度的光电传感器19和测量反射光强度的光电探测器21工作。太阳入射光经漫反射体15散射后再经过第一干涉滤光片进行滤光,最终让特征波长的光通过。该特征波长的光照射到光电传感器19的光敏面上,经光电传感器19内部放大并且进行A/D转换,然后将表示入射光强度的入射电信号通过IC接口传入微处理器23。作物冠层的反射光首先透过第二干涉滤光片,只让特征波长的光通过,然后经过物镜20将作物冠层以0.5m为半径的圆的范围内的影像通过凸透镜进行简单成像,该像位于物镜的焦点位置,该位置处放置有光电探测器21,该光电探测器21将成像的能量转换为光电流,该电流经过运放转换为电压信号,该电压经调理后作为反射电信号进入微处理器23的A/D输入管脚。
S3:微处理器23利用内部A/D转换器对输入的反射光强度进行A/D转换,得到数字量的反射光强度。然后,微处理器23将获得的入射光强度和反射光强度数值输入到诊断模型中,经运算后得到表征作物病害程度的病害指数。入射光的强度值由入射光传感器通过IIC接口传入到微处理器中,分别是EA,EB和EC,该值与如下的参数密切相关:所选择的入射传感器的灵敏度、光敏面大小、传感器前方漫反射体的透过率和滤光片的透过率。反射光的强度值通过微控制器内部A/D对光电传感器经前置放大处理后的信号进行转换得到,分别是ERA、ERB和ERC,该值与如下的参数密切相关:所选择的入射传感器的灵敏度、光敏面大小、传感器前方物镜的光学参数和滤光片的透过率。这样,在三个特征波长A、B、C处分别计算的反射率分别为RA、RB和RC分别如下:
R A = k A E A E RA - - - ( 1 )
R B = k B E B E RB - - - ( 2 )
R C = k C E C E RC - - - ( 3 )
式中kA kB和kC为比例常数(仪器参数),由仪器的光学系统(入射部分的漫反射片的透过率、入射滤光片的透过滤等和反射部分的物镜参数、反射滤光片透过率等)、光电传感器及其适配放大器及其电路的特性参数(放电倍数等)决定。该比例常数通过标准地物光谱仪与本仪器的对比试验获得,因为地物光谱仪测得的反射率与本仪器测量的相对反射率是线性比例关系。(具体参数可以通过查询相应器件的数据手册获得)
最后,将利用公式(1)、(2)、(3)计算所得到的反射率数值输入到病害模型(4)和(5)中,其中公式(4)计算得出归一化植被指数(NDVI)的数值,公式(5)计算得出光化学植被指数(PRI)的数值,得出表征病害程度的病害胁迫指数DI(见公式6)。公式如下:
NDVI=(RC-RA)/(RC+RA)           (4)
PRI=(RA-RB)/(RA+RB)            (5)
DI=NDVI-4.324×PRI+0.976      (6)
最后有公式(6)计算出病害胁迫指数,当该指数值大于一定的阈值时(该阈值由试验或专家经验获得),根据病害胁迫指数的数值可以划分病害发生等级。
S4:微处理器23将病害指数数值显示到仪器的LCD液晶显示屏13上,该数值可以通过按键12操作完成数据的存储、删除、回显查询以及数据上传。
由以上实施例可以看出,本发明实施例通过近地光谱测量的方式对作物病害进行快速诊断,避免了传统的主要基于田间取样、调查,综合其它信息进行预测和监测所具有的耗时、费力,而且预报滞后的缺点,方便野外环境下对作物病害进行快速、可靠、实地、实时、准确测量。可以广泛用于作物病害的诊断、农业生产和科研。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1、一种病害检测仪,其特征在于,包括:
微处理器,用于接收和处理从入射传感器和反射传感器传来的信号;
电源单元,与所述微处理器连接,用于为所述微处理器提供电源;
入射传感器,与所述微处理器连接,用于将与被测作物病情指数对应的敏感波段的入射光转化成入射电信号输入所述微处理器;
反射传感器,与所述微处理器连接,用于将从被测作物反射的与被测作物病情指数对应的敏感波段的反射光转化成反射电信号输入所述微处理器;
显示单元,与所述微处理器连接,用于将所述微处理器处理完的数据信息进行显示。
2、如权利要求1所述的病害检测仪,其特征在于,所述入射传感器包括:
第一干涉滤光片,设置于所述病害检测仪最上端,用于只通过与被测作物病情指数对应的敏感波段的入射光;
光电传感器,设置于所述第一干涉滤光片下端,用于将从所述第一干涉滤光片通过的入射光转变成入射电信号;
第一镜筒,在其内部放置所述第一干涉滤光片和光电传感器,所述第一镜筒形成密闭整体。
3、如权利要求2所述的病害检测仪,其特征在于,所述入射传感器还包括:
漫反射体,设置于所述第一干涉滤光片上端,用于增大所述入射光的入射角度。
4、如权利要求1所述的病害检测仪,其特征在于,所述反射传感器包括:
第二干涉滤光片,设置于所述病害检测仪最底端,用于只通过从被测作物反射的与被测作物病情指数对应的敏感波段的反射光;
第二物镜,设置于所述第二干涉滤光片的上方,用于将从所述第二干涉滤光片通过的反射光在所述第二物镜的焦点处成像;
光电探测器,设置于所述物镜上方的物镜焦点处,用于将所述成像转化成反射电信号;
第二镜筒,在其内部放置所述第二干涉滤光片、物镜、光电探测器,所述第二镜筒形成密闭整体。
5、如权利要求1所述的病害检测仪,其特征在于,所述病害检测仪还包括存储单元,与所述微处理器连接,用于存储所述微处理器处理后的数据。
6、如权利要求5所述的病害检测仪,其特征在于,所述病害检测仪还包括数据通信单元,与所述微处理器连接,用于将所述微处理器处理后的数据上传到上位机。
7、如权利要求1所述的病害检测仪,其特征在于,所述与被测作物病情指数对应的敏感波段包括以下波段的一种或几种:
650~670nm、750~0.770nm、790~810nm。
8、一种利用权利要求1所述的病害检测仪进行病害检测的方法,其特征在于,包括以下步骤:
将病害检测仪放置于被测作物上方,打开机器;
入射传感器将采集的入射光信号转化为入射电信号,并将所述入射电信号传输给微处理器;发射传感器将采集的从被测作物上反射的反射光信号转化为反射电信号,并将所述反射电信号传输给微处理器;
所述微处理器对接收的入射电信号和反射电信号进行处理,得出病害指数数值,并将所述病害指数数值在显示单元上显示。
CN2008100558741A 2008-01-10 2008-01-10 一种病害检测仪及其检测方法 Expired - Fee Related CN101482514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2008100558741A CN101482514B (zh) 2008-01-10 2008-01-10 一种病害检测仪及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2008100558741A CN101482514B (zh) 2008-01-10 2008-01-10 一种病害检测仪及其检测方法

Publications (2)

Publication Number Publication Date
CN101482514A true CN101482514A (zh) 2009-07-15
CN101482514B CN101482514B (zh) 2012-03-07

Family

ID=40879722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008100558741A Expired - Fee Related CN101482514B (zh) 2008-01-10 2008-01-10 一种病害检测仪及其检测方法

Country Status (1)

Country Link
CN (1) CN101482514B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102334422A (zh) * 2010-07-27 2012-02-01 中国农业科学院蔬菜花卉研究所 基于机器视觉的蔬菜叶部病害实时诊断方法与系统
CN102507504A (zh) * 2011-10-25 2012-06-20 南京林业大学 一种马尾松松材线虫病的高光谱监测方法
CN102879099A (zh) * 2012-08-08 2013-01-16 北京建筑工程学院 一种基于高光谱成像的壁画信息提取方法
CN104062238A (zh) * 2014-06-20 2014-09-24 江苏省农业科学院 大田冬小麦拔节期纹枯病遥感监测方法
CN104089647A (zh) * 2014-07-01 2014-10-08 北京农业信息技术研究中心 一种作物病害发生范围监测方法及系统
CN104766152A (zh) * 2015-01-30 2015-07-08 安徽大学 一种作物病害识别与病情评估装置
CN105181632A (zh) * 2015-08-13 2015-12-23 北京恺琳科技发展有限公司 网络型多维度植物成像ndvi测量装置
CN105784604A (zh) * 2016-03-04 2016-07-20 北京大学深圳研究生院 一种植物衰退等级的检测方法
CN108267175A (zh) * 2018-02-06 2018-07-10 首欣(北京)科技有限公司 一种基于无人机的农作物监测方法和装置
CN110361344A (zh) * 2019-08-30 2019-10-22 北京麦飞科技有限公司 基于高光谱的病害程度诊断方法
CN111918030A (zh) * 2020-07-22 2020-11-10 南京科沃云计算信息技术有限公司 一种基于边缘计算的农作物病虫害识别系统及其识别方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102334422A (zh) * 2010-07-27 2012-02-01 中国农业科学院蔬菜花卉研究所 基于机器视觉的蔬菜叶部病害实时诊断方法与系统
CN102507504A (zh) * 2011-10-25 2012-06-20 南京林业大学 一种马尾松松材线虫病的高光谱监测方法
CN102879099A (zh) * 2012-08-08 2013-01-16 北京建筑工程学院 一种基于高光谱成像的壁画信息提取方法
CN102879099B (zh) * 2012-08-08 2015-04-15 北京建筑大学 一种基于高光谱成像的壁画信息提取方法
CN104062238A (zh) * 2014-06-20 2014-09-24 江苏省农业科学院 大田冬小麦拔节期纹枯病遥感监测方法
CN104062238B (zh) * 2014-06-20 2016-11-23 江苏省农业科学院 大田冬小麦拔节期纹枯病遥感监测方法
CN104089647B (zh) * 2014-07-01 2016-07-06 北京农业信息技术研究中心 一种作物病害发生范围监测方法及系统
CN104089647A (zh) * 2014-07-01 2014-10-08 北京农业信息技术研究中心 一种作物病害发生范围监测方法及系统
CN104766152A (zh) * 2015-01-30 2015-07-08 安徽大学 一种作物病害识别与病情评估装置
CN105181632A (zh) * 2015-08-13 2015-12-23 北京恺琳科技发展有限公司 网络型多维度植物成像ndvi测量装置
CN105181632B (zh) * 2015-08-13 2018-12-18 北京恺琳科技发展有限公司 网络型多维度植物成像ndvi测量装置
CN105784604A (zh) * 2016-03-04 2016-07-20 北京大学深圳研究生院 一种植物衰退等级的检测方法
CN108267175A (zh) * 2018-02-06 2018-07-10 首欣(北京)科技有限公司 一种基于无人机的农作物监测方法和装置
CN108267175B (zh) * 2018-02-06 2021-01-08 首欣(北京)科技有限公司 一种基于无人机的农作物监测方法和装置
CN110361344A (zh) * 2019-08-30 2019-10-22 北京麦飞科技有限公司 基于高光谱的病害程度诊断方法
CN111918030A (zh) * 2020-07-22 2020-11-10 南京科沃云计算信息技术有限公司 一种基于边缘计算的农作物病虫害识别系统及其识别方法
WO2022016569A1 (zh) * 2020-07-22 2022-01-27 南京科沃云计算信息技术有限公司 一种基于边缘计算的农作物病虫害识别系统及其识别方法

Also Published As

Publication number Publication date
CN101482514B (zh) 2012-03-07

Similar Documents

Publication Publication Date Title
CN101482514B (zh) 一种病害检测仪及其检测方法
CN202649111U (zh) 植物叶片阵列led红外光谱检测仪
CN100510709C (zh) 便携式多通道作物叶片氮素营养指标无损监测装置
CN101876630A (zh) 一种基于led组合光源的便携式水果品质无损检测装置
CN109187417B (zh) 一种无人机载的太赫兹波及高光谱遥感农作物监测系统
CN201464366U (zh) 一种叶绿素荧光探测仪
CN103115879A (zh) 一种利用吸收光谱测定植物活体叶片中叶绿素a、叶绿素b和类胡萝卜素含量的方法
CN103149162B (zh) 基于主动光源的便携式作物生长信息监测仪
CN102207452A (zh) 作物冠层光谱指数测量系统及方法
CN203069501U (zh) 一种便携式叶片光谱探测装置
CN102721655A (zh) 一种赤潮水体及其优势藻的光学判别方法
CN203011825U (zh) 基于主动光源的便携式作物生长信息监测仪
CN108732137A (zh) 基于高光谱遥感数据估算植物物种多样性的模型及方法
CN1566928A (zh) 一种测量归一化植被差异指数的方法及仪器
CN102759510A (zh) 一种油菜冠层信息光谱检测方法
CN207066986U (zh) Led脉冲光源式作物冠层植被指数测定系统
CN203572772U (zh) 基于多波长led荧光光谱的云端中药品质检测系统
CN100480679C (zh) 测量作物冠层色素比值的方法及测量仪
CN205215187U (zh) 基于多光谱的皮肤检测系统
CN107300528A (zh) 一种蔬菜农药残留检测方法及系统
CN106404699A (zh) 一种梨树叶片氮素含量的无损测量方法
CN104977262A (zh) 一种便携式马铃薯晚疫病的检测装置
CN103900974A (zh) 一种测量归一化植被差异指数的方法及仪器
CN109932339B (zh) 一种全天候光环境自适应作物生长检测装置及方法
CN201141834Y (zh) 一种氮反射指数检测仪

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120307

Termination date: 20190110

CF01 Termination of patent right due to non-payment of annual fee