CN102128807A - 一种快速检测作物叶面雾滴浓度的方法 - Google Patents

Abstract

本发明提出了基于近红外光谱技术检测作物叶面雾滴浓度的方法，可以实现非接触、快速、准确检测的目的；其步骤是：①选择10棵以上植株的上层叶片作为样品，从每棵植株的上层叶片中选定一个叶片作为被测对象；②利用光谱仪采集样品的漫反射近红外光谱数据；③用气相液相仪测量叶面药液雾滴浓度值；④对光谱数据进行预处理；⑤光谱数据特征波长的选取；⑥应用多元回归建立叶面雾滴浓度的数学模型；⑦预测叶面雾滴浓度值；本发明提出的快速检测作物叶面雾滴浓度的方法，不仅可以实时获得叶面雾滴浓度值，也为判断田间病虫害的发生程度提供了一种新的参考方法。

Description

一种快速检测作物叶面雾滴浓度的方法

技术领域

本发明涉及到一种快速检测作物叶面雾滴浓度的方法，该技术属于植物保护领域。

技术背景

目前我国对叶面雾滴的研究主要是通过图像处理技术，而图像处理技术无法给出雾滴所含药液信息，所以急需一种新的检测方法。

针对以上问题，我们提出基于近红外光谱技术的检测雾滴浓度的方法，该方法可以实现快速、非接触、准确获得雾滴所含药量信息的目的。

我国研究人员针对作物叶面雾滴的研究做了大量的研究工作，2008年邱白晶等在文献“密闭空间雾滴沉积状态参数的显微图像解析”利用图像技术对棚室雾滴覆盖率、沉积密度等进行了分析，得出雾滴覆盖率、沉积密度在空间分布的变化趋势；2008年陈志刚等在文献“负高压电晕荷电喷雾沉积特性”研究了负高压荷电对药液沉积的影响，荷电技术使雾滴的雾化性、均匀性、穿透性和附着性均得到提高，有效的提高农药的利用率；2000年郑加强在文献“基于计算机视觉的雾滴尺寸测量技术 ”对雾滴的尺寸进行了探索，建立了利用图像技术测量雾滴尺寸大小的测量方法；从中国知识产权专利检索中，申请号为200710062908.5,名称为“一种喷雾分布均匀度的检测方法”的专利公开了利用图像技术获取雾滴的分布均匀度信息；申请号为200910236211.4，名称为“一种喷雾雾滴密度和大小的测试卡及其制备方法”公开了利用测试卡可以测定喷雾雾滴密度和雾滴大小；雾滴在叶面上的作用效果不仅与雾滴的沉积密度、尺寸大小有关，而且还与雾滴的浓度有关；目前，国内外基于近红外光谱技术检测叶面雾滴浓度值还未见报到。

当前近红外光谱技术在各领域得到了广泛的应用，测量精度越来越高，我们提出的基于近红外光谱技术的雾滴浓度检测方法尚属首次，可以快速、非接触获取叶子表面雾滴浓度大小，可以定性判断药液对虫害的作用效果，这一研究方法在国内尚属首次，具有极好的创新性和实用性。

发明内容

本发明的目的是提供一种基于近红外光谱技术检测叶面雾滴浓度的物理检测方法，该方法可以快速、非接触、准确获得雾滴所含药量信息，雾滴作用在叶面的药效与雾滴的浓度有关，该方法也为及时判断田间病虫害的发生程度提供了一种参考，对提高我国农药的有效利用率和减轻环境污染具有重要的意义。

叶面雾滴浓度的近红外光谱分析技术，是依据叶面雾滴近红外光谱所包含的浓度信息，是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，记录了分子化学键基频振动的倍频和合频信息，主要是含氢集团（C-H,O-H,N-H,S-H）的信息，在分子产生振动时，不同波长位置产生振动吸收峰，同一种物质不同浓度有不同的吸收峰，通过化学计量学分析，将一组已知浓度的样本建立定量数学模型，将未知样本的光谱特征代入数学模型，即可测得未知浓度雾滴样品的浓度值。

本发明采用的技术方案其步骤是：①选择10棵以上植株的上层叶片作为样品，从每棵植株的上层叶片中选定一个叶片作为被测对象；②利用光谱仪采集样品的漫反射近红外光谱数据；③用气相液相仪测量叶面药液雾滴浓度值；④对光谱数据进行预处理；                                                

光谱数据特征波长的选取；

应用多元回归建立叶面雾滴浓度的数学模型；

预测叶面雾滴浓度值。

上述叶片为同一种作物上层的叶片。

上述近红外光谱数据为利用光谱仪采用漫反射法获得的与波长对应的叶面雾滴浓度的光谱反射率。

上述预处理方法为一阶导数、二阶导数、平滑、多元散射校正、基线校正、归一化、小波变换、标准化中的一种或几种方法的组合。

上述多元回归方法选自多元线性回归、逐步回归、主成分回归、偏最小二乘法中的一种。

本发明与背景技术相比，具有以下特点：

⑴解决了图像技术无法获取雾滴所含药量信息的难题；

⑵实现了非接触测量，不会对作物叶面产生扰动，测量精度高；

⑶实现了快速、准确的测量，为及时判断药液对病虫害的作用效果提供了一个依据;

⑷此技术直接从农作物叶片上获取测量信息，比采用模拟植株测得数据真实，测量结果更可靠。

附图说明

图1为本发明的技术路线图。

具体实施方式

     为了更好的理解本发明的技术方案，作进一步的说明如下：

⑴样品的选择

在不同浓度药液喷雾条件下，从同一种作物中选择10棵以上植株的上层叶片作为样品，每棵植株的上层叶片中选定一个叶片作为被测对象。

⑵扫描光谱

采用便携式现场光谱仪，将样品在350nm～2500nm谱图内，扫描10次平均成一个光谱数据;光谱分辨率在350nm～1000nm范围内为3nm，在1000nm～2500nm范围内为10nm;根据植株的实际高度，采用视场角范围为8°～25°的镜头，探测头垂直叶面距叶片范围10cm～30cm以形成合适的视场，采集样品的近红外漫反射光谱数据。

⑶测量叶面上雾滴浓度值；

每个测量点叶片光谱采集完毕后，立即用气相液相仪测得叶面上雾滴的浓度值，在每个测量点气相液相仪测量值应与⑵中采集的光谱数据一一对应。

⑷光谱数据预处理

获得雾滴样本光谱后对光谱数据进行一阶导数预处理，消除光谱曲线的基线漂移和背景反射对光谱的干扰，然后进行5点平滑预处理，以消除电噪音对光谱曲线的影响，突出雾滴浓度的信息，使光谱曲线变得更加平滑。

光谱数据特征波长的选取

在预处理后的光谱数据中，每个波长点下雾滴浓度与光谱反射率的相关系数为r

r=

n—代表有总共有n条不同浓度雾滴的光谱曲线

i—表示第i条雾滴的光谱曲线

j—表示光谱曲线中有j个波长点

—表示第i个叶面雾滴浓度曲线下第j个波长点对应的反射率

—表示第i个叶面雾滴曲线下相应的雾滴浓度值

=

  表示第j波长下n条曲线相应反射率的平均值

 表示n条光谱曲线下相应浓度值的平均值

r值越大证明在该波长点下光谱信息越多，我们可以得到雾滴光谱反射率与浓度的r分布图，设定阈值，选取r大于阈值的波长，即获得相关系数法筛选的波长点，分别为λ1，λ2 ，…λs

采用贡献值对波长进一步筛选，其过程如下：

令所选波长点λ1,λ2,…λs在光谱曲线上对应的反射率为rλ1,rλ2,…rλs ,将入选的rλi(i﹤s)与雾滴的浓度建立多元线性回归模型

=a0+a1rλ1+a2rλ2+…asrλs

其残差平方和Qtotal=

每次去掉一个波长参与模型的建立，并分别计算新建模型的残差平方和，记为Q1,Q2,…QS,并得到各个波长对应的贡献值Cm(m﹤s)

Cm=(Qi-Qtotal)∕Qtotal ,   m=1、2、3…s

将波长按贡献值的大小重新排列，依次剔除序列中贡献值最小的波长并建立新的多元回归模型，当所建模型的预测均方根误差较小，精度达到工程需要时停止波长的剔除，选取波长为λ2,λs。

定量数学模型的建立

将入选的特征波长λ2,λs与雾滴的浓度进行回归分析建立数学模型

y=b0+b1rλ2+b2rλs

这样就建立了在上述⑶中测得的雾滴浓度值与⑷预处理后的光谱数据间雾滴浓度的数学模型。

预测叶面雾滴浓度

先扫描待测雾滴样品获得光谱数据，获取它们的光谱数据时所采用的测量方法，必须同获取参考雾滴样本时采用的测量方法一致，对获得光谱数据进行预处理和特征波长选取，其方法分别与⑷和 

一致，选取的特征波长为λ2,λs，然后只需把两波长处对应的光谱反射率rλ2,rλs代入上述

所建模型，就可获得叶面雾滴浓度值的大小，即可预测到雾滴浓度值；实现了快速、非接触、准确测量的目的。

Claims (5)

1.基于近红外光谱技术检测作物叶面雾滴浓度的方法，其特征在于，具体步骤是：

A选择10棵以上植株的上层叶片作为样品，从每棵植株的上层叶片中选定一个叶片作为被测对象；

B利用光谱仪采集样品的漫反射近红外光谱数据；

C用气相液相仪测量叶面药液雾滴浓度值；

D对光谱数据进行预处理；

E光谱数据特征波长的选取；

F应用多元回归建立叶面雾滴浓度的数学模型；

G得出叶面雾滴浓度值。

2.根据权利要求1所述的基于近红外光谱技术检测作物叶面雾滴浓度的方法，其特征在于，所述叶片为同一种作物上层的叶片。

3.根据权利要求1所述的基于近红外光谱技术检测作物叶面雾滴浓度的方法，其特征在于，所述近红外光谱数据为利用光谱仪采用漫反射法获得的与波长对应的叶面雾滴浓度的光谱反射率。

4.根据权利要求1所述的基于近红外光谱技术检测作物叶面雾滴浓度的方法，其特征在于，所述预处理方法为一阶导数、二阶导数、平滑、多元散射校正、基线校正、归一化、小波变换、标准化中的一种或几种方法的组合。

5.根据权利要求1所述的基于近红外光谱技术检测作物叶面雾滴浓度的方法，其特征在于，所述多元回归方法选自多元线性回归、逐步回归、主成分回归、偏最小二乘法中的一种。