CN103308461A - 基于可见/近红外光谱的作物养分快速检测方法及装置 - Google Patents
基于可见/近红外光谱的作物养分快速检测方法及装置 Download PDFInfo
- Publication number
- CN103308461A CN103308461A CN201310249330XA CN201310249330A CN103308461A CN 103308461 A CN103308461 A CN 103308461A CN 201310249330X A CN201310249330X A CN 201310249330XA CN 201310249330 A CN201310249330 A CN 201310249330A CN 103308461 A CN103308461 A CN 103308461A
- Authority
- CN
- China
- Prior art keywords
- crops
- spectroscopic data
- spectrometer
- vis
- visible
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于可见/近红外光谱的作物养分快速检测方法及装置。该方法包括S1、采用光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据；S2、农作物在拔节期时，以y＝8975.6x-2.2566处理所述光谱数据而获得农作物的含氮量；农作物在开花期时，以y＝2001.7x-2.5023处理所述光谱数据而获得农作物的含氮量；农作物在成熟期时，以y＝189.66x-1.5768处理所述光谱数据而获得农作物的含氮量。本发明在不同的生长周期采用上述公式进行计算而获得含氮量，不仅氮养分检测速度快，而且，检测的精度高。
Description
技术领域
本发明涉及农作物检测技术，尤其涉及用于物联网的基于可见/近红外光谱的作物养分快速检测方法及其装置。
背景技术
氮是作物生长发育必不可少的营养元素，它是植物体内叶绿素、蛋白质、核酸的组成部分，又是许多内源激素的组成部分，占植物干质量的1％～7％，是植物的生命基础。植物缺氮会使植株生长矮小细弱，产量、品质下降。氮过量时往往伴随缺钾或缺磷现象发生，造成营养生长旺盛，易落花、落果。
对于作物养分的检测，最早采用的是化学剂量法，再发展到分光光度法、极谱法、光声光谱法，到后来的比色法，之后，发展到高光谱技术检测的方法。但是，现有高光谱技术检测的方法精度低。
发明内容
本发明解决的问题是现有高光谱技术检测农作物含氮量精度低的问题。
为解决上述问题，本发明提供一种基于可见/近红外光谱的作物养分快速检测方法，该方法包括如下步骤：S1、采用光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据；S2、农作物在拔节期时，以y＝8975.6x-2.2566处理所述光谱数据而获得农作物的含氮量；农作物在开花期时，以y＝2001.7x-2.5023处理所述光谱数据而获得农作物的含氮量；农作物在成熟期时，以y＝189.66x-1.5768处理所述光谱数据而获得农作物的含氮量。
在一种具体方案中，所述光谱仪在860nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据。
在一种具体方案中，采用光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据具体是以880nm，954nm，943nm或982nm。
本发明还公开基于可见/近红外光谱的作物养分快速检测装置，该装置包括光谱仪和处理器，其中，所述光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据；所述处理器获得农作物的生长阶段值并根据农作物的生长阶段而以y＝8975.6x-2.2566、y＝2001.7x-2.5023或者y＝189.66x-1.5768处理所述光谱数据而获得农作物的含氮量。
在进一步方案中，所述光谱仪扫描农作物的频率设定为860nm～1100nm。
在一种具体方案中，所述光谱仪扫描农作物的频率设定为880nm、954nm、943nm或982nm。
与现有技术相比，本发明具有以下优点：
由于本发明在农作物的拔节期以y＝8975.6x-2.2566处理所述光谱数据而获得农作物的含氮量；在开花期时，以y＝2001.7x-2.5023处理所述光谱数据而获得农作物的含氮量；在成熟期时，以y＝189.66x-1.5768，所以，不仅氮养分检测速度快，而且，检测的精度高。
附图说明
图1是本发明基于可见/近红外光谱的作物养分快速检测方法的流程图；
图2是本发明基于可见/近红外光谱的作物养分快速检测装置的原理框图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所达成目的及功效，下面将结合实施例并配合附图予以详细说明。
请参阅图1，本发明基于可见/近红外光谱的作物养分快速检测方法包括如下步骤：
S1、采用光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据；在该步骤中，光谱仪采用美国ASD光谱仪。
S2、农作物在拔节期时，以y＝8975.6x-2.2566处理所述光谱数据而获得农作物的含氮量；农作物在开花期时，以y＝2001.7x-2.5023处理所述光谱数据而获得农作物的含氮量；农作物在成熟期时，以y＝189.66x-1.5768处理所述光谱数据而获得农作物的含氮量。对上述计算模型的具体获得步骤详细说明如下：
(一)、收集玉米样本
收集玉米种子样本160个，从这160个样本中，选取1类在拔节期的玉米叶片40个，选择2类在开花期的玉米叶片共80个，选取1类在成熟期的玉米叶片40个。每一类样本包括建模集、验证集、预测集三类样本。
(二)、玉米叶片氮含量数据的获取。采用单因素盆栽试验设计，设5个氮肥水平：N1为不施氮；N2为225kg/hm2；N3为450kg/hm2；N4为675kg/hm2；N5为900kg/hm2。使之表现为严重缺氮、缺氮、适量氮、过量氮、严重过量氮。各施氮水平下样本的含氮量如表1所示。
表1 不同施氮水平下样本含氮量
(三)、采用光谱仪扫描所述样本并对光谱数据进行预处理
光谱采集使用美国ASD光谱仪，扫描过程中，以下述每个波长450nm、560nm、653nm、778nm、781nm、860nm、880nm、943nm、954nm、978nm、982nm、1040nm对每个样品至少扫描一次而获得光谱反射率，本发明中160个样品，12个波长，所以，至少扫描160×12次。光电传感器将这些微弱信号进行放大和处理，获得12个波段光谱反射值。
采用时频分析法对采集到的光谱信号进行处理，对光谱输出信号进行频谱分析，利用频谱分析仪先对传感器输出信号频谱进行分析。得到预处理数据如表2所示，在表2中，Rc、Rv、Rp分别为建模集、验证集和预测集样本的相关系数，RMSEC、RMSEV为均方根误差，RMSEP为预测标准差。
表2 预处理获得数据
(四)从扫描波长中提取特征波长
提取检测特征光谱波段值的主要流程是：先采用PLS-SVM最优模型直接正交信号校正(MSC)处理，然后对光谱数据进行连续投影算法(SPA)处理，提取玉米叶片含氮量值检测的特征波长。在本发明的步骤中，设定最大选定波长数量为12，提取的特征波长是从前述的12个扫描的波长中提取，所以，通过SNV处理选定的特征波长为880nm、954nm、943nm或982nm。
(五)运用遗传算法获得输出模型
将上述特征波长对应的光谱数据作为初始群体，对该光谱数据编码，经过复制、交叉、变异操作，对输出函数进行优化而得到输出模型，如表3所示。
表3 遗传算法获得的输出模型
综上所述，由于用光谱仪扫描作物后即可通过上述公式计算即可获知作物的含氮量，所以，检测速度快；另外，本发明根据作物的生长周期选择相应的模型计算而获得该作物的含氮量，由于所述模型精确，所以，用该模型检测作物的含氮量的精度也高。下面，结合表4说明该精确度如下：
开始实测不同生长周期的玉米含氮量，选择10个样本。每个样本测试4次，为X1，X2，X3，X4。YS为实测值。计算结果以及实测结果如表4所示。
表4
从表4中可以看出，经过模型的计算值与实际测量值准确率为92.7％，所以，本发明检测含氮量的精度高。
请参阅图2，以上述方法的技术思路为基础，本发明还公开一种基于可见/近红外光谱的作物养分快速检测装置，该检测装置包括光谱仪1和处理器2，光谱仪1在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据，较好的范围是860nm～1100nm，最好波长是880nm，954nm，943nm或982nm，在这四个波长时，检测到的光谱数据最为接近，因而，检测结果最准确。上述光谱数据传输至处理器2，所述处理器2在获得作物的生长周期后，根据该生长周期选取相应的模型计算，从而，得到作物的含氮量。
Claims (6)
1.基于可见/近红外光谱的作物养分快速检测方法，其特征是：包括如下步骤：
S1、采用光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据；
S2、农作物在拔节期时，以y＝8975.6x-2.2566处理所述光谱数据而获得农作物的含氮量；农作物在开花期时，以y＝2001.7x-2.5023处理所述光谱数据而获得农作物的含氮量；农作物在成熟期时，以y＝189.66x-1.5768处理所述光谱数据而获得农作物的含氮量。
2.根据权利要求1所述的基于可见/近红外光谱的农作物养分快速检测方法，其特征是：所述光谱仪在860nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据。
3.根据权利要求2所述的基于可见/近红外光谱的农作物养分快速检测方法，其特征是：采用光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据具体是以880nm、954nm、943nm或982nm。
4.基于可见/近红外光谱的作物养分快速检测装置，其特征是：该装置包括光谱仪和处理器，其中，所述光谱仪在400nm～1100nm的波长范围内对农作物进行扫描而获得光谱数据；所述处理器获得农作物的生长阶段值并根据农作物的生长阶段而以y＝8975.6x-2.2566、y＝2001.7x-2.5023或者y＝189.66x-1.5768处理所述光谱数据而获得农作物的含氮量。
5.根据权利要求4所述的基于可见/近红外光谱的农作物养分快速检测方法，其特征是：所述光谱仪扫描农作物的频率设定为860nm～1100nm。
6.根据权利要求5所述的基于可见/近红外光谱的作物养分快速检测装置，其特征是：所述光谱仪扫描农作物的频率设定为880nm、954nm、943nm或982nm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310249330XA CN103308461A (zh) | 2013-06-10 | 2013-06-10 | 基于可见/近红外光谱的作物养分快速检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310249330XA CN103308461A (zh) | 2013-06-10 | 2013-06-10 | 基于可见/近红外光谱的作物养分快速检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103308461A true CN103308461A (zh) | 2013-09-18 |
Family
ID=49133920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310249330XA Pending CN103308461A (zh) | 2013-06-10 | 2013-06-10 | 基于可见/近红外光谱的作物养分快速检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103308461A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105277491A (zh) * | 2015-09-24 | 2016-01-27 | 中国农业科学院农业资源与农业区划研究所 | 叶绿素含量测量方法及装置 |
| CN114066033A (zh) * | 2021-11-10 | 2022-02-18 | 青岛农业大学 | 一种智慧农业优化方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010030742A1 (en) * | 1999-08-19 | 2001-10-18 | Kramer David M. | Non-focusing optics spectrophotometer, and methods of use |
| CN101776580A (zh) * | 2009-11-09 | 2010-07-14 | 陈渝阳 | 一种便携式双色波谱作物养分含量检测光谱仪 |
| CN102338738A (zh) * | 2010-07-16 | 2012-02-01 | 上海海洋大学 | 作物植株及叶片氮素含量现场快速检测方法及装置 |
| CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
-
2013
- 2013-06-10 CN CN201310249330XA patent/CN103308461A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010030742A1 (en) * | 1999-08-19 | 2001-10-18 | Kramer David M. | Non-focusing optics spectrophotometer, and methods of use |
| CN101776580A (zh) * | 2009-11-09 | 2010-07-14 | 陈渝阳 | 一种便携式双色波谱作物养分含量检测光谱仪 |
| CN102338738A (zh) * | 2010-07-16 | 2012-02-01 | 上海海洋大学 | 作物植株及叶片氮素含量现场快速检测方法及装置 |
| CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刁万英等: "《基于高光谱的膜下滴灌小麦氮素营养评价研究》", 《光谱学与光谱分析》 * |
| 王磊等: "《不同氮处理春玉米叶片光谱反射率与叶片全氮和叶绿素含量的相关研究》", 《中国农业科学》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105277491A (zh) * | 2015-09-24 | 2016-01-27 | 中国农业科学院农业资源与农业区划研究所 | 叶绿素含量测量方法及装置 |
| CN114066033A (zh) * | 2021-11-10 | 2022-02-18 | 青岛农业大学 | 一种智慧农业优化方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Banerjee et al. | High-throughput phenotyping using digital and hyperspectral imaging-derived biomarkers for genotypic nitrogen response | |
| CN104865222B (zh) | 一种牡丹种子脂肪酸含量的无损检测方法 | |
| 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 | |
| CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
| CN103837492B (zh) | 一种基于近红外光谱技术的猕猴桃膨大果无损检测方法 | |
| CN102175618A (zh) | 一种稻麦叶片氮含量光谱监测模型建模方法 | |
| Estornell et al. | Estimation of wood volume and height of olive tree plantations using airborne discrete-return LiDAR data | |
| CN102768195A (zh) | 一种虫草菌粉水分含量快速检测方法 | |
| CN102590129A (zh) | 近红外检测花生中氨基酸含量的方法 | |
| CN106018335A (zh) | 基于近红外光谱的整粒棉籽中植酸含量的无损测定方法 | |
| CN106018337A (zh) | 一种棉仁粉中植酸含量的测定方法 | |
| CN105486662A (zh) | 一种基于近红外光谱技术的棉籽棉酚含量的无损测定方法 | |
| CN102072767A (zh) | 基于波长相似性共识回归红外光谱定量分析方法和装置 | |
| CN109948106B (zh) | 一种利用激光点云计算林分高度累计百分比的方法 | |
| CN106198447A (zh) | 基于近红外光谱技术的复混肥主要成分无损定量检测方法 | |
| Zhang et al. | Vis/NIR reflectance spectroscopy for hybrid rice variety identification and chlorophyll content evaluation for different nitrogen fertilizer levels | |
| Potenza et al. | Agrivoltaic system and modelling simulation: a case study of soybean (Glycine max L.) in Italy | |
| Hall et al. | Object-based analysis of grapevine canopy relationships with winegrape composition and yield in two contrasting vineyards using multitemporal high spatial resolution optical remote sensing | |
| CN116385784A (zh) | 一种镉胁迫下水稻叶绿素含量测算方法及系统 | |
| CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
| CN103308461A (zh) | 基于可见/近红外光谱的作物养分快速检测方法及装置 | |
| Qian et al. | Development and application of crop monitoring system for detecting chlorophyll content of tomato seedlings | |
| CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
| Moreno et al. | 3D assessment of vine training systems derived from ground-based RGB-D imagery | |
| Jiang et al. | Achieving robustness to temperature change of a NIR model for apple soluble solids content |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130918 |