CN104422660A - 一种高光谱的植物叶片病虫害诊断系统 - Google Patents
一种高光谱的植物叶片病虫害诊断系统 Download PDFInfo
- Publication number
- CN104422660A CN104422660A CN201310373679.4A CN201310373679A CN104422660A CN 104422660 A CN104422660 A CN 104422660A CN 201310373679 A CN201310373679 A CN 201310373679A CN 104422660 A CN104422660 A CN 104422660A
- Authority
- CN
- China
- Prior art keywords
- insect pest
- plant leaf
- diagnosis system
- line source
- hyperspectral
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种高光谱的植物叶片病虫害诊断系统,属于农业领域。高光谱成像仪和线光源一起固连在电控位移台上,受移动平台控制装置控制一起移动;在移动过程中线光源照射标定白板和被测植物叶片,高光谱成像仪采集数据并实时上传到计算机;经过图像分析和处理软件处理后,输入已经建立的病虫害三重诊断模型,实时定量得到植物的病虫害感染程度,据此分析决策是否对测量植物喷药以及用药种类剂量及喷头形式。本发明主要用于快速准确无损地诊断植物的病虫害感染程度,对提高精准施药的决策水平、实现精细农业起到积极作用。
Description
技术领域
本发明涉及农业领域,涉及植物叶片病虫害诊断系统,尤其涉及一种高光谱的植物叶片病虫害诊断系统。
背景技术
植物病虫害严重危害植物的生长。病虫害不仅会导致经济作物的质量和产量下降,还会引起农药等药物的大量投入和防治费用的上升,从而使得农林生产成本增加以及严重污染环境。现有的病虫害检测方法主要有人工感官判定和理化检测两种。人工感官判定很容易受到情绪、健康、疲劳等一些主客观因素的影响;而理化检测对使用者技术要求高且时效性较差,在具体诊断中很不实用。可见/近红外光谱和多光谱成像技术是植物病虫害检测中较常用的两种无损检测技术,但是利用光谱技术在田间近距离采集植物数据会受到植物冠层结构、天气因素等对光谱吸收的影响,造成所采集的数据可靠性降低。
高光谱成像技术可以在很宽的光谱波段范围内连续地采集图像,高光谱图像比多光谱图像具有更高的光谱分辨率,通常精度可达到2~3nm,能充分反映目标光谱信息的细微变化。通过处理高光谱图像信息,可提取植物色彩、外形、位置等外部特征;通过对连续光谱信息进行高维数据压缩和特征波长提取,可提取植物内部特征;通过图像特征和光谱特征的有效融合可以克服单纯依靠外在表观特征或光谱特征的不足,显著提高植物病害虫检测和识别的准确度,从而达到根据植物内外部综合特征进行精确识别病虫害的目的。
发明内容
本发明的目的是提供了一种基于高光谱的植物叶片病虫害诊断系统。应用高光谱技术,采集被测植物叶片的图像特征和光谱信息,分析得到被测植物所受病虫害的感染程度,实现实时无损地诊断植物病虫害。
本发明解决其技术问题所采用的技术方案是:
一种基于高光谱的植物叶片病虫害诊断系统:
包括高光谱成像仪、镜头、标定白板、样本放置平台、线光源、线光源支持壁、电控位移台,移动平台控制装置、暗箱、可调支架脚和计算机。所述的高光谱成像仪垂直悬在样本放置平台正上方,和线光源随电控位移台一起由移动平台控制装置控制;所述的高光谱成像仪与计算机连接,计算机上设有图像和光谱分信息处理软件以及数据库;所述的线光源固定在高光谱成像仪上,分别和光谱仪之间的夹角为45°,两线光源之间的夹角为90°;所述的线光源发射光束照射放置在样本放置平台上的被测叶片;所述的样本放置平台的高度可调;所述的暗箱内包括高光谱成像仪、标定白板、样本放置平台、线光源,电控位移台和移动平台控制装置位于暗箱顶部;所述的可调支架脚用以调节暗箱的高度和角度,方便检测被测植物叶片。
附图说明
图1为本发明系统的结构原理框图;
图2为本发明系统的安装示意图。
图中:1-计算机、2-暗箱、3-线光源支持壁、4-电控位移台、5-高光谱成像仪、6-移动平台控制装置、7-线光源、8-镜头、9-样本放置平台、10-标准白板、11-被测植物叶片、12-可调支架脚。
具体实施方式
如图2,本系统包括高光谱成像仪5、镜头8、标定白板10、样本放置平台9、线光源7、线光源支持壁3、电控位移台4,移动平台控制装置6、暗箱2、可调支架脚12和计算机1;高光谱成像仪5通过固定部分与电控位移台4和线光源支持壁3连接;线光源7经由线光源支持壁3和高光谱成像仪5固定连接,两线光源之间的夹角为90°,分别与谱仪之间的夹角为45°;高光谱成像仪5、线光源7和电控位移台4一起由移动平台控制装置6控制移动;高光谱成像仪视场角为24°;被测植物叶片11和标定白板10都放置在样本放置平台9上的黑布上;样本放置平台9的高度可调;可调支架脚12分布在暗箱2底部的四角,用以调节暗箱的高度和角度,方便检测被测植物叶片。
本系统采集数据前先设置曝光时间,移动平台的移动速度,光谱分辨率以及镜头距离叶片的垂直距离。图像采集前应将高光谱仪打开预热30min,以防止基线漂移造成数据不准。预热结束后通过数据线连接光谱仪和计算机。启动计算机,将标准白板和被测植物叶片放置在调节好高度的样本放置平台上,打开线光源,通过移动平台控制装置移动高光谱成像仪及线光源,采集高光谱图像。
在图1中,高光谱成像仪采用芬兰SPECIM公司的V10E-QE,采集得到光谱范围是380~1031之间共512个波长下的图像,输入计算机,经由图像和光谱分析处理软件处理。首先,将图像分析处理结果输入已经建立的病虫害定性判别模型判别出被测植物受到病害还是虫害感染,以被测植物受到病害感染为例;然后,将图像处理结果输入病害定性判别模型得知被测植物受到何种病害感染;最后,将光谱分析处理结果输入具体病害定量诊断模型,实时得到并输出植物的病虫害感染程度。
根据病害或虫害感染程度分析决策是否对测量植物喷药以及用药种类、剂量及喷头形式。
只要实际应用中的植物在建立好的病害或虫害检测模型包含的植物类型中,就可以对植物进行叶片的病害或虫害的快速、无损检测。
上述具体实施方式用来说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围内。
Claims (4)
1.一种高光谱的植物叶片病虫害诊断系统,其特征在于:包括高光谱成像仪[5]、镜头[8]、标定白板[10]、样本放置平台[9]、线光源[7]、线光源支持壁[3]、电控位移台[4]、移动平台控制装置[6]、暗箱[2]、可调支架脚[12]和计算机[1]。
2.根据权利要求1所述的高光谱的植物叶片病虫害诊断系统,其特征在于:所述的高光谱成像仪[5]垂直悬在样本放置平台[9]正上方,和线光源[7]随电控位移台[4]一起由移动平台控制装置[6]控制;高光谱成像仪[5]与计算机[1]连接,计算机上设有图像和光谱分信息处理软件及数据库。
3.根据权利要求1所述的高光谱的植物叶片病虫害诊断系统,其特征在于:所述的线光源[7]固定在高光谱成像仪[5]上,分别和光谱仪之间的夹角为45°,两线光源之间的夹角为90°;所述的线光源[7]发射光束照射放置在样本放置平台[9]上的被测叶片;所述的样本放置平台[9]的高度可调。
4.根据权利要求1所述的高光谱的植物叶片病虫害诊断系统,其特征在于:所述的暗箱[2]内包括高光谱成像仪[5]、标定白板[10]、样本放置平台[9]、线光源[7],电控位移台[4]和移动平台控制装置[6]位于暗箱[2]顶部;所述的可调支架脚[12]用以调节暗箱[2]的高度和角度,方便检测被测植物叶片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310373679.4A CN104422660A (zh) | 2013-08-23 | 2013-08-23 | 一种高光谱的植物叶片病虫害诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310373679.4A CN104422660A (zh) | 2013-08-23 | 2013-08-23 | 一种高光谱的植物叶片病虫害诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104422660A true CN104422660A (zh) | 2015-03-18 |
Family
ID=52972283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310373679.4A Pending CN104422660A (zh) | 2013-08-23 | 2013-08-23 | 一种高光谱的植物叶片病虫害诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104422660A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403510A (zh) * | 2015-12-10 | 2016-03-16 | 浙江大学 | 一种室内高光谱成像系统校正过程中自动存取白板的装置 |
CN106706847A (zh) * | 2016-12-09 | 2017-05-24 | 重庆市黑土地白蚁防治有限公司 | 一种树木检测系统 |
CN107347849A (zh) * | 2017-07-18 | 2017-11-17 | 河海大学 | 一种基于高光谱实时探测技术的智能喷洒系统 |
CN107944426A (zh) * | 2017-12-14 | 2018-04-20 | 安徽大学 | 基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法 |
CN108777945A (zh) * | 2015-12-10 | 2018-11-09 | 柑桔代理有限责任公司 | 利用光能促进植物中物质渗透的系统和方法 |
CN108935413A (zh) * | 2018-08-24 | 2018-12-07 | 浙江大学 | 一种基于植物空间处方图的叶面药喷施的装置及方法 |
CN109287477A (zh) * | 2018-09-03 | 2019-02-01 | 浙江大学 | 一种耐低温弱光的辣椒品种的筛选方法和装置 |
CN109724973A (zh) * | 2017-10-27 | 2019-05-07 | 西北农林科技大学 | 基于机器视觉和光谱的马铃薯病害检测装置 |
CN109740681A (zh) * | 2019-01-08 | 2019-05-10 | 南方科技大学 | 一种水果分拣方法、装置、系统、终端及存储介质 |
CN109799824A (zh) * | 2019-01-23 | 2019-05-24 | 华中农业大学 | 基于轮式小车的田间作物图像采集装置 |
CN110398503A (zh) * | 2019-02-27 | 2019-11-01 | 广西壮族自治区农业科学院 | 一种基于几何形态透射测量的植物病虫害检验方法 |
CN111024228A (zh) * | 2019-12-31 | 2020-04-17 | 杭州高谱成像技术有限公司 | 一种高光谱相机辐射标定装置、方法及系统 |
CN111401115A (zh) * | 2019-08-01 | 2020-07-10 | 江苏农林职业技术学院 | 一种基于fpga的草莓病虫害高光谱数据的处理方法与装置 |
CN115752728A (zh) * | 2022-12-13 | 2023-03-07 | 海南热带海洋学院 | 一种推扫式水下成像光谱仪的反射光谱信息处理方法 |
CN116076290A (zh) * | 2022-08-19 | 2023-05-09 | 湖北省农业科学院果树茶叶研究所 | 一种猕猴桃软腐病的综合防控方法 |
-
2013
- 2013-08-23 CN CN201310373679.4A patent/CN104422660A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108777945B (zh) * | 2015-12-10 | 2022-01-11 | 柑桔代理有限责任公司 | 利用光能促进植物中物质渗透的系统和方法 |
CN108777945A (zh) * | 2015-12-10 | 2018-11-09 | 柑桔代理有限责任公司 | 利用光能促进植物中物质渗透的系统和方法 |
CN105403510A (zh) * | 2015-12-10 | 2016-03-16 | 浙江大学 | 一种室内高光谱成像系统校正过程中自动存取白板的装置 |
CN106706847A (zh) * | 2016-12-09 | 2017-05-24 | 重庆市黑土地白蚁防治有限公司 | 一种树木检测系统 |
CN107347849A (zh) * | 2017-07-18 | 2017-11-17 | 河海大学 | 一种基于高光谱实时探测技术的智能喷洒系统 |
CN109724973A (zh) * | 2017-10-27 | 2019-05-07 | 西北农林科技大学 | 基于机器视觉和光谱的马铃薯病害检测装置 |
CN107944426B (zh) * | 2017-12-14 | 2020-06-02 | 安徽大学 | 基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法 |
CN107944426A (zh) * | 2017-12-14 | 2018-04-20 | 安徽大学 | 基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法 |
CN108935413A (zh) * | 2018-08-24 | 2018-12-07 | 浙江大学 | 一种基于植物空间处方图的叶面药喷施的装置及方法 |
CN108935413B (zh) * | 2018-08-24 | 2023-08-11 | 浙江大学 | 一种基于植物空间处方图的叶面药喷施的装置及方法 |
CN109287477A (zh) * | 2018-09-03 | 2019-02-01 | 浙江大学 | 一种耐低温弱光的辣椒品种的筛选方法和装置 |
CN109740681A (zh) * | 2019-01-08 | 2019-05-10 | 南方科技大学 | 一种水果分拣方法、装置、系统、终端及存储介质 |
CN109799824A (zh) * | 2019-01-23 | 2019-05-24 | 华中农业大学 | 基于轮式小车的田间作物图像采集装置 |
CN110398503A (zh) * | 2019-02-27 | 2019-11-01 | 广西壮族自治区农业科学院 | 一种基于几何形态透射测量的植物病虫害检验方法 |
CN111401115A (zh) * | 2019-08-01 | 2020-07-10 | 江苏农林职业技术学院 | 一种基于fpga的草莓病虫害高光谱数据的处理方法与装置 |
CN111401115B (zh) * | 2019-08-01 | 2024-02-27 | 江苏农林职业技术学院 | 一种基于fpga的草莓病虫害高光谱数据的处理方法与装置 |
CN111024228A (zh) * | 2019-12-31 | 2020-04-17 | 杭州高谱成像技术有限公司 | 一种高光谱相机辐射标定装置、方法及系统 |
CN116076290A (zh) * | 2022-08-19 | 2023-05-09 | 湖北省农业科学院果树茶叶研究所 | 一种猕猴桃软腐病的综合防控方法 |
CN115752728A (zh) * | 2022-12-13 | 2023-03-07 | 海南热带海洋学院 | 一种推扫式水下成像光谱仪的反射光谱信息处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104422660A (zh) | 一种高光谱的植物叶片病虫害诊断系统 | |
Guo et al. | Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping | |
CN105675549B (zh) | 一种便携式农作物参数测量与长势智能分析装置及方法 | |
CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
Zhu et al. | 3D leaf water content mapping using terrestrial laser scanner backscatter intensity with radiometric correction | |
Andújar et al. | Potential of a terrestrial LiDAR-based system to characterise weed vegetation in maize crops | |
CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
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 | |
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 | |
CN102589705B (zh) | 热成像仪单黑体温控mrtd野外在线自动检测装置及检测方法 | |
Schmittmann et al. | A true-color sensor and suitable evaluation algorithm for plant recognition | |
CN105372203B (zh) | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 | |
CN102084794A (zh) | 多传感器信息融合的作物病虫害早期检测方法及装置 | |
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 | |
CN103048266A (zh) | 一种设施番茄氮磷钾胁迫自动识别方法和装置 | |
TWM567355U (zh) | Multispectral image analysis system architecture | |
CN102788794A (zh) | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 | |
Matese et al. | Mapping of vine vigor by UAV and anthocyanin content by a non-destructive fluorescence technique | |
CN103900972A (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
Wang et al. | Development and performance test of a vehicle-mounted total nitrogen content prediction system based on the fusion of near-infrared spectroscopy and image information | |
CN105136732A (zh) | 田间作物双波段成像ndvi测量装置 | |
CN109187417A (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 | |
CN110441254A (zh) | 一种用于识别塑料的近红外光频梳光谱仪 | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150318 |