CN104237318A - 一种利用电子鼻检测根茎类植物根部病虫害的方法 - Google Patents
一种利用电子鼻检测根茎类植物根部病虫害的方法 Download PDFInfo
- Publication number
- CN104237318A CN104237318A CN201410480024.1A CN201410480024A CN104237318A CN 104237318 A CN104237318 A CN 104237318A CN 201410480024 A CN201410480024 A CN 201410480024A CN 104237318 A CN104237318 A CN 104237318A
- Authority
- CN
- China
- Prior art keywords
- pest
- disease
- gas
- electronic nose
- root
- 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
Links
Landscapes
- Catching Or Destruction (AREA)
Abstract
一种利用电子鼻检测根茎类植物根部病虫害的方法属植物病虫害检测技术领域。本发明包括下列步骤:配备电子鼻气体室的气体流量为800~1200ml/min,气体室内布置8种气体传感器;用集气装置集气;将电子鼻的进样针头插入集气装置,并将装有活性炭的空气滤清器插入集气装置,开启电子鼻并将待测样品的气体吸入电子鼻气室;采集并处理气体传感器阵列的响应数据;将洁净的空气泵入电子鼻的气体室;处理采集的多组数据;根据根茎类植物根部病虫害严重度系数,评定根茎类植物病虫害严重度。本发明能无损、快速地检测根茎类植物根部的病虫害,还能为提前预防和减少根茎类植物病虫害提供可靠的依据,本发明简单实用,成本低廉,易于推广。
Description
技术领域
本发明属植物病虫害检测技术领域,具体涉及一种利用电子鼻检测根茎类植物根部病虫害的方法。
背景技术
根茎类植物在农业生产中占有举足轻重的地位。加快根茎类植物生产发展,对保障我国粮食安全、促进农民增收、优化农业结构和满足市场需求,意义十分重大。
但是随着根茎类植物种植规模的不断扩大,根茎类植物根部病虫害也逐年加重,成为限制根茎类植物高产、丰产的主要因素之一,严重影响了根茎类植物的发展。因此加大对病虫害的防控力度,从而减少病虫害损失将是一项切实可行的措施。
在根茎类植物根部病虫害的防治过程中,因为病残组织常散落田间,其上的病原物也往往成为翌年的初次浸染源,大大增加了植株感染病虫害的机会。由于根茎部位直接接触病原体,其染病的几率就会更高。为了做到对根部病虫害的早发觉,早预防,尽量减少病虫害造成的损失,同时考虑到,根部病虫害检测隐蔽性强的特点,亟待一种能快捷便利检测根茎类植物根部病虫害方法的出现。
发明内容
本发明的目的在于提供一种利用电子鼻检测根植茎类物根部病虫害的方法,以解决根茎类植物根部病虫害检测难的问题。
本发明所涉及的一种利用电子鼻检测根茎类植物根部病虫害的方法,包括下列步骤:
1)配备适于检测要求的电子鼻:电子鼻气体室的气体流量为800~1200ml/min;电子鼻的气体室中所含气体传感器阵列包括:芳香性气体传感器、挥发性硫化物气体传感器、挥发性氨类气体传感器、挥发性胺类气体传感器、乙醇类传感器、可燃气体传感器、烷烃类气体传感器和挥发性氮氧化物传感器;
2)用集气装置集气,包括下列步骤:
2.1在距离根茎类植物根部50~200mm处打一个直径为50mm、深度为150~300mm的孔;
2.2在孔上覆盖保鲜膜;
2.3在保鲜膜上以实土覆盖要求所钻孔与保鲜膜间为集气状态,集气时间为30分钟;
3)常温下将电子鼻的进样针头插入集气装置,同时将装有活性炭的空气滤清器插入集气装置以平衡气压,开启电子鼻将待测样品所散发出的气体吸入电子鼻气室;
4)用气体泵将集气装置中的气体泵入电子鼻的气体室,电子鼻的吸取时间为60s,一个样品检测完毕后,用气室清洗泵泵入洁净空气,清洗气室;
5)采集并处理气体传感器阵列的响应数据包括下列步骤:
5.1提取气体传感器阵列的响应特征值,响应特征值包括初始值(a)、稳定值(b)、上升时间(t)和上升速率
5.2将非线性随机共振算法固化于电子鼻内置的数字信号处理器(DSP)内,将响应特征值输入DSP,并计算输出互相关系数特征值foe;
6)处理气体传感器阵列采集的数据,包括下列步骤:
6.1根据不同病虫害严重度的根茎类植物的互相关系数特征值foe,拟合出不同根茎类植物根部病虫害严重度预测模型;
6.2将互相关系数特征值foe代入下列根茎类植物根部病虫害严重度预测模型的公式中,计算根茎类植物根部病虫害严重度系数:
Qf=f(foe)
其中:Qf为根茎类植物根部病虫害严重度系数;f为由不同病虫害严重度的根茎类植物的互相关系数特征值foe拟合出的不同根茎类植物根部病虫害严重度预测模型的公式;foe为互相关系数特征值;
7)根据根茎类植物根部病虫害严重度系数,评定根茎类植物病虫害严重度,包括下列步骤:
7.1根据病虫害严重度:植株或器官的罹病面积所占的比率的定义,将根茎类植物的病虫害严重度分为六级,分级标准为:0级:根部正常,1级:根部病虫害率0~5%,2级:根部病虫害率5%~10%,3级:根部病虫害率10%~30%,4级:根部病虫害率30%~60%,5级:根部病虫害率60%~100%;
7.2测量不同病虫害严重程度的根茎类植物,将电子鼻的响应特征值输入DSP,并计算输出互相关系数特征值foe,测量结束后,将根茎类植物根部取出,分别统计计算其根部病虫害率;
7.3根据7.2所测得的互相关系数特征值foe和相应的根部病虫害率,利用曲线拟合的方法绘制出根部病虫害率—互相关系数特征值foe图;
7.4根据7.3所绘制出的根部病虫害率—互相关系数特征值foe图,分别查出根部病虫害率为0%、5%、10%、30%、60%、100%时所对应的互相关系数特征值foe,并根据步骤6.2所述方法分别求出病虫害率为0%、5%、10%、30%、60%、100%时所对应的根茎类植物根部病虫害严重度系数foe,及上述不同病虫害率对应的根茎类植物根部病虫害严重度系数Qf分别为S0、S1、S2、S3、S4、S5;
7.5若待测样品的根茎类植物根部病虫害严重度系数Qf=S0,则根茎类植物根部正常为0级病虫害;若S0<Qf≤S1,则为1级病虫害;若S1<Qf≤S2,则为2级病虫害;若S2<Qf≤S3,则为3级病虫害;若S3<Qf≤S4,则为4级病虫害;若为Qf>S4,则为5级病虫害。
电子鼻是模仿人和动物的鼻子,用于分析、识别、检测复杂气味和挥发性成分的新型仪器,与其它常用的分析仪器(色谱仪、光谱仪等)相比,电子鼻具有客观、准确、快捷地评价气味,且重复性好的特点,自其诞生以来,其在各个领域的运用越来越广泛。近年来,也有将其运用在病虫害检测领域的尝试,但其一般都集中在植物的地上部位的病虫害检测方面,本发明利用电子鼻对根茎类植物地下部位病虫害进行检测,进一步拓展了电子鼻的应用领域。
本发明的有益效果主要表现在:
(1)为根茎类植物根部病虫害检测提供了一种快速有效的检测方法,且能提前预防病虫害的发生、减少病虫害的损失。
(2)是一种无损检测方法,不会对根茎类植物造成伤害。
(3)气体采集及数据分析处理手段简单实用,成本低廉,易于推广。
附图说明
图1是电子鼻对根茎类植物根部病虫害检测流程图
图2是电子鼻检测系统结构示意图
具体实施方式
本发明是一种检测根茎类植物根部病虫害的方法,下面以检测马铃薯晚疫病为例来进一步对本发明做出描述。
实验安排及试验过程如下:
(1)准备二十个质量相同,表面光滑,形态相似,经检测无任何疾病的马铃薯,给这20个马铃薯编号,分别为1、2、3、…17、18、19、20。测量1—10号样本,用来建立根部病虫害率—互相关系数特征值foe图;并根据本发明方法的步骤6.2所述方法分别求出病虫害率为0%、5%、10%、30%、60%、100%时所对应的根茎类植物根部病虫害严重度系数Qf。记上述不同病虫害率对应的根茎类植物根部病虫害严重度系数Qf分别为S1、S2、S3、S4、S5、S6。
(2)给这二十个马铃薯分别接种不同数量的马铃薯晚疫病致病菌,并分别将其埋藏在300mm深的土壤中,使马铃薯快速染病。将这二十个土豆分别埋藏在独立的容器内,使其互不影响。
(3)将其感染若干天后,在距离各土豆200mm处,用打孔器各打一直径为50mm的孔。
(4)将各孔上覆以足够大的保鲜膜,并在孔的周围的保鲜膜上覆以足够多的碎土,并适当压实,以保证保鲜膜和孔形成的密闭空间密封性足够好。形成的密闭空间用来收集患晚疫病的马铃薯透过土壤散发出来的气体。
(5)气体收集时间为0.5小时。0.5小时后,将电子鼻的进样针头透过保鲜膜插入集气装置,同时将装有活性炭的空气滤清器插入集气装置以平衡气压,开启电子鼻将待测样品所散发出的气体吸入电子鼻气室.
(6)电子鼻的吸气时间为60s,一个样品检测完毕后,用气室清洗泵泵入洁净空气,清洗气室。
(7)重复步骤(5)和(6),直到10个样品检测完成为止。
(8)整理并记录气体传感器阵列采集的数据foe。
(9)将1—10号马铃薯样品全部取出,根据病虫害严重度的定义,分别测量其病虫害率。将1—10号样品对应其互相关系数特征值foe,用曲线拟合的方法建立根部病虫害率—互相关系数特征值foe图。
(10)在根部病虫害率—互相关系数特征值foe图中,分别查出根部病虫害率为0%、5%、10%、30%、60%、100%时所对应的互相关系数特征值foe,并根据6.2所述方法分别求出病虫害率为0%、5%、10%、30%、60%、100%时所对应的根茎类植物根部病虫害严重度系数Qf。记上述不同病虫害率对应的根茎类植物根部病虫害严重度系数Qf分别为S0、S1、S2、S3、S4、S5。
(11)测量11—20号样品,测量过程重复上述部骤(5)~(8),分别得到这10个样品的互相关系数特征值foe,根据本发明方法的步骤6.2所述方法分别求出11~20号样品的foe所对应的根茎类植物根部病虫害严重度系数Qf。
(12)依据11—20号样品的foe所对应的根茎类植物根部病虫害严重度系数Qf判断根茎类植物根部病虫害严重度。若待测样品的根茎类植物根部病虫害严重度系数Qf=So,则根茎类植物根部正常,为0级病虫害;若S0<Qf≤S1,则为1级病虫害;若S1<Qf≤S2,则为2级病虫害;若S2<Qf≤S3,则为3级病虫害;若S3<Qf≤S4,则为4级病虫害;若为Qf>S4,则为5级病虫害。
Claims (1)
1.一种利用电子鼻检测根茎类植物根部病虫害的方法,其特征在于包括下列步骤:
1)配备适于检测要求的电子鼻:电子鼻气体室的气体流量为800~1200ml/min;电子鼻的气体室中所含气体传感器阵列包括:芳香性气体传感器、挥发性硫化物气体传感器、挥发性氨类气体传感器、挥发性胺类气体传感器、乙醇类传感器、可燃气体传感器、烷烃类气体传感器和挥发性氮氧化物传感器;
2)用集气装置集气,包括下列步骤:
2.1在距离根茎类植物根部50~200mm处打一个直径为50mm、深度为150~300mm的孔;
2.2在孔上覆盖保鲜膜;
2.3在保鲜膜上以实土覆盖要求所钻孔与保鲜膜间为集气状态,集气时间为30分钟;
3)常温下将电子鼻的进样针头插入集气装置,同时将装有活性炭的空气滤清器插入集气装置以平衡气压,开启电子鼻将待测样品所散发出的气体吸入电子鼻气室;
4)用气体泵将集气装置中的气体泵入电子鼻的气体室,电子鼻的吸取时间为60s,一个样品检测完毕后,用气室清洗泵泵入洁净空气,清洗气室;
5)采集并处理气体传感器阵列的响应数据包括下列步骤:
5.1提取气体传感器阵列的响应特征值,响应特征值包括初始值(a)、稳定值(b)、上升时间(t)和上升速率
5.2将非线性随机共振算法固化于电子鼻内置的数字信号处理器内,将响应特征值输入DSP,并计算输出互相关系数特征值foe;
6)处理气体传感器阵列采集的多组数据,包括下列步骤:
6.1根据不同病虫害严重度的根茎类植物的互相关系数特征值foe,拟合出不同根茎类植物根部病虫害严重度预测模型;
6.2将互相关系数特征值foe代入下列根茎类植物根部病虫害严重度预测模型的公式中,计算根茎类植物根部病虫害严重度系数:
Qf=f(foe)
其中:Qf为根茎类植物根部病虫害严重度系数;f为由不同病虫害严重度的根茎类植物的互相关系数特征值foe拟合出的不同根茎类植物根部病虫害严重度预测模型的公式;foe为互相关系数特征值;
7)根据根茎类植物根部病虫害严重度系数,评定根茎类植物病虫害严重度,包括下列步骤:
7.1根据病虫害严重度:植株或器官的罹病面积所占的比率的定义,将根茎类植物的病虫害严重度分为六级,分级标准为:0级:根部正常,1级:根部病虫害率0~5%,2级:根部病虫害率5%~10%,3级:根部病虫害率10%~30%,4级:根部病虫害率30%~60%,5级:根部病虫害率60%~100%;
7.2测量不同病虫害严重程度的根茎类植物,将电子鼻的响应特征值输入DSP,并计算输出互相关系数特征值foe,测量结束后,将根茎类植物根部取出,分别统计计算其根部病虫害率;
7.3根据7.2所测得的互相关系数特征值foe和相应的根部病虫害率,利用曲线拟合的方法绘制出根部病虫害率—互相关系数特征值foe图;
7.4根据7.3所绘制出的根部病虫害率—互相关系数特征值foe图,分别查出根部病虫害率为0%、5%、10%、30%、60%、100%时所对应的互相关系数特征值foe,并根据步骤6.2所述方法分别求出病虫害率为0%、5%、10%、30%、60%、100%时所对应的根茎类植物根部病虫害严重度系数foe,及上述不同病虫害率对应的根茎类植物根部病虫害严重度系数Qf分别为S0、S1、S2、S3、S4、S5;
7.5若待测样品的根茎类植物根部病虫害严重度系数Qf=S0,则根茎类植物根部正常为0级病虫害;若S0<Qf≤S1,则为1级病虫害;若S1<Qf≤S2,则为2级病虫害;若S2<Qf≤S3,则为3级病虫害;若S3<Qf≤S4,则为4级病虫害;若为Qf>S4,则为5级病虫害。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410480024.1A CN104237318B (zh) | 2014-09-18 | 2014-09-18 | 一种利用电子鼻检测根茎类植物根部病虫害的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410480024.1A CN104237318B (zh) | 2014-09-18 | 2014-09-18 | 一种利用电子鼻检测根茎类植物根部病虫害的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104237318A true CN104237318A (zh) | 2014-12-24 |
CN104237318B CN104237318B (zh) | 2017-01-25 |
Family
ID=52225817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410480024.1A Active CN104237318B (zh) | 2014-09-18 | 2014-09-18 | 一种利用电子鼻检测根茎类植物根部病虫害的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104237318B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548490A (zh) * | 2016-01-11 | 2016-05-04 | 浙江大学 | 一种基于电子鼻的快速预测茶树受害虫取食时间的方法 |
CN109632892A (zh) * | 2019-01-11 | 2019-04-16 | 浙江大学 | 基于电子鼻的侧柏受蛀干害虫为害时长检测模型及应用 |
CN114577854A (zh) * | 2022-02-25 | 2022-06-03 | 江苏大学 | 一种基于电子鼻的柑橘黄龙病检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6797236B2 (en) * | 2002-01-14 | 2004-09-28 | Infineon Technologies Ag | Design and signal recovery of biomolecular sensor arrays |
US7508521B2 (en) * | 2007-03-14 | 2009-03-24 | Spectrasensors, Inc. | Pressure-invariant trace gas detection |
CN201527429U (zh) * | 2009-07-28 | 2010-07-14 | 郑丽敏 | 一种电子鼻系统的气体采集、通气与密闭装置 |
CN201555826U (zh) * | 2009-10-19 | 2010-08-18 | 浙江大学 | 用于检测虫害信息的电子鼻 |
CN102879432A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测罗非鱼新鲜度的方法 |
-
2014
- 2014-09-18 CN CN201410480024.1A patent/CN104237318B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6797236B2 (en) * | 2002-01-14 | 2004-09-28 | Infineon Technologies Ag | Design and signal recovery of biomolecular sensor arrays |
US7508521B2 (en) * | 2007-03-14 | 2009-03-24 | Spectrasensors, Inc. | Pressure-invariant trace gas detection |
CN201527429U (zh) * | 2009-07-28 | 2010-07-14 | 郑丽敏 | 一种电子鼻系统的气体采集、通气与密闭装置 |
CN201555826U (zh) * | 2009-10-19 | 2010-08-18 | 浙江大学 | 用于检测虫害信息的电子鼻 |
CN102879432A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测罗非鱼新鲜度的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548490A (zh) * | 2016-01-11 | 2016-05-04 | 浙江大学 | 一种基于电子鼻的快速预测茶树受害虫取食时间的方法 |
CN105548490B (zh) * | 2016-01-11 | 2017-09-01 | 浙江大学 | 一种基于电子鼻的快速预测茶树受害虫取食时间的方法 |
CN109632892A (zh) * | 2019-01-11 | 2019-04-16 | 浙江大学 | 基于电子鼻的侧柏受蛀干害虫为害时长检测模型及应用 |
CN114577854A (zh) * | 2022-02-25 | 2022-06-03 | 江苏大学 | 一种基于电子鼻的柑橘黄龙病检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104237318B (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102353701B (zh) | 一种利用挥发物的农作物虫害诊断方法 | |
CN102279213B (zh) | 一种利用挥发物快速诊断农作物病害的方法 | |
CN102590283B (zh) | 利用电子鼻检测草鱼新鲜度的方法 | |
Ahmadi et al. | Early detection of Ganoderma basal stem rot of oil palms using artificial neural network spectral analysis | |
CN102621118B (zh) | 温室蔬菜病虫害的预警方法 | |
CN103389323B (zh) | 一种快速无损评定名贵药材年限的方法 | |
CN102879432A (zh) | 一种利用电子鼻检测罗非鱼新鲜度的方法 | |
CN102507504B (zh) | 一种马尾松松材线虫病的高光谱监测方法 | |
CN116429988B (zh) | 海洋植物碳汇动态遥感监测装置 | |
Marques et al. | Shifts in estuarine zooplankton variability following extreme climate events: a comparison between drought and regular years | |
CN104849321A (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
CN104237318A (zh) | 一种利用电子鼻检测根茎类植物根部病虫害的方法 | |
CN105572305B (zh) | 一种基于电子鼻的快速预测茶树受害虫入侵程度的方法 | |
CN108051410A (zh) | 一种基于激光诱导击穿光谱技术的烟草根部镉含量快速检测方法 | |
Reich et al. | Predicting field diseases caused by Sclerotinia sclerotiorum: A review | |
Zheng et al. | Discrimination of wood-boring beetles infested Platycladus orientalis plants by using gas chromatography-ion mobility spectrometry | |
CN109632892B (zh) | 基于电子鼻的侧柏受蛀干害虫为害时长检测模型及应用 | |
Wei et al. | Spatial distribution patterns of trunk internal decay of Euphrates poplar riparian forest along the Tarim River, northwest China | |
Thiessen et al. | Assessment of Erysiphe necator ascospore release models for use in the Mediterranean climate of Western Oregon | |
Thompson et al. | Analysis of volatile profiles for Tracking Asymptomatic infections of Phytophthora Ramorum and other pathogens in Rhododendron | |
Saberi | Quantifying burn severity in forests of the interior Pacific Northwest: From field measurements to satellite spectral indices | |
CN102914564A (zh) | 一种水稻稻粒黑粉病菌检测方法 | |
CN102282932A (zh) | 一种蔬菜种子发芽率快速检测的方法 | |
CN105548490B (zh) | 一种基于电子鼻的快速预测茶树受害虫取食时间的方法 | |
CN104686473A (zh) | 一种昆虫虫量的调查方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |