CN106018327A - 基于太赫兹波的植物叶片含水量检测方法和系统 - Google Patents

Abstract

本发明涉及一种基于太赫兹波的植物叶片含水量检测方法和系统，包括：获取植物叶片样本的水分含量；获取植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值；根据太赫兹光谱平均值和水分含量，建立水分含量预测模型；获取待测植物叶片的太赫兹光谱平均值，将待测植物叶片的太赫兹光谱平均值输入水分含量预测模型，得到待测植物叶片的水分含量。本发明实施例提供技术方案，根据建立的水分含量预测模型，通过采集待测植物叶片的太赫兹光谱数据，就可以得到待测植物叶片的含水量，而无需将待测植物叶片从植物上摘下，实现了植物叶片含水量的动态无损在线检测，不会对植物造成伤害，测量时间短、步骤简单，提高了检测效率。

Description

基于太赫兹波的植物叶片含水量检测方法和系统

技术领域

本发明涉及检测技术领域，尤其涉及一种基于太赫兹波的植物叶片含水量检测方法和系统。

背景技术

植物叶片水分含量是影响植物生长的重要调节因子之一，对植物叶片中水分含量进行动态检测，及时调节植物生长过程中水分灌溉量具有重要意义。当植物叶片中含水量降低时，如果不能及时进行灌溉则会导致植株供水不足而生长缓慢，严重的会枯萎，极大的影响作物的产量。如果植物叶片含水量升高时，则应该暂缓灌溉，以免出现水分过多导致植株死亡。

目前对植物叶片含水量的检测都是采取破坏的方法，利用烘干称重法进行计算，但烘干法是有损测量，需破坏样品，且测量时间很长，步骤繁琐。于是出现了含水量的仪器测量法，有微波水分法、电容水分法、中子水分法、电极水分法等等。对植物叶片含水量测量的一般方法是烘干法、电容法、电磁波法等，但是这些方法一般都有破坏性、非连续性，并且很费时间。

发明内容

为解决现有植物叶片含水量方法具有破坏性，测量时间长、步骤繁琐的缺陷，提供一种无损的基于太赫兹波的植物叶片含水量检测方法。

为此目的，本发明提出了一种基于太赫兹波的植物叶片含水量检测方法，包括：

获取植物叶片样本的水分含量；

获取所述植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值；

根据所述太赫兹光谱平均值和所述水分含量，建立水分含量预测模型；

获取待测植物叶片的太赫兹光谱平均值，将待测植物叶片的太赫兹光谱平均值输入所述水分含量预测模型，得到所述待测植物叶片的水分含量。

优选的，所述获取植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值，包括：

获取植物叶片样本每一点的太赫兹时域光谱数据和频域光谱数据；

根据所述植物叶片样本每一点的太赫兹时域光谱数据，得到不同时刻的所述植物叶片样本的太赫兹时域光谱平均值；

根据所述植物叶片样本每一点的太赫兹频域光谱数据，得到不同频率下的所述植物叶片样本的吸收系数的太赫兹频域光谱平均值。

优选的，所述根据所述太赫兹光谱平均值和所述水分含量，建立水分含量预测模型，包括：

根据不同时刻植物叶片样本的太赫兹时域光谱平均值和所述植物叶片样本的水分含量，建立第一预测模型，选取时域条件下最优时域特征参数组合；

根据不同频率下的植物叶片样本的太赫兹频域光谱平均值和所述植物叶片样本的水分含量，建立第二预测模型，选取频域条件下最优频域特征参数组合；

根据所述最优时域特征参数组合和最优频域特征参数组合，建立所述水分含量预测模型。

优选的，根据不同时刻植物叶片样本的太赫兹时域光谱平均值和所述植物叶片样本的水分含量，建立第一预测模型，选取时域条件下最优时域特征参数组合，包括：

将已知水分含量的植物的太赫兹光谱平均值输入所述第一预测模型；

比较不同时刻建立的所述第一预测模型的相关系数和均方根误差；

选取时域条件下最优的时域光谱平均值和对应的植物叶片样本的水分含量。

优选的，根据不同频率下的植物叶片样本的太赫兹频域光谱平均值和所述植物叶片样本的水分含量，建立第二预测模型，选取频域条件下最优频域特征参数组合，包括：

将已知水分含量的植物的太赫兹光谱平均值输入所述第二预测模型；

比较不同频率建立的所述第二预测模型的相关系数和均方根误差；

选取频域条件下最优的频域光谱平均值和对应的植物叶片含水量。

优选的，该方法还包括：

在获取植物叶片样本每一点的太赫兹时域光谱数据之后，提取所述植物叶片样本每一点时域光谱的时域幅值，根据所述每一点的时域幅值对所述植物叶片样本进行图像重构。

优选的，该方法还包括：

在获取植物叶片样本每一点的太赫兹时域光谱数据之后，将所述太赫兹时域光谱数据进行傅里叶变换，得到所述植物叶片样本每一点的太赫兹频域光谱数据；

根据所述太赫兹频域光谱数据，计算所述植物叶片样本每一点的吸收系数，并根据所述植物叶片样本每一点的吸收系数对所述植物叶片样本进行图像重构。

优选的，根据所述太赫兹频域光谱数据，计算所述植物叶片样本每一点的吸收系数，采用以下公式：

$n\left(\mathrm{\ω}\right)=\frac{2}{d}ln\left\{\frac{4n\left(\mathrm{\ω}\right)}{\mathrm{\ρ}\left(\mathrm{\ω}\right){\[n\left(\mathrm{\ω}\right)+1\]}^2}\right\}$

其中：ω为频率，d为植物叶片样品的厚度，ρ(ω)为频域光谱的振幅，n(ω)为吸收系数，为相位。

另一方面，本发明还提供了一种基于太赫兹波的植物叶片含水量检测系统，用于上述任意一项所述的基于太赫兹波的植物叶片含水量检测方法中，该系统包括：太赫兹光谱产生装置、太赫兹光谱发射装置、样品固定装置和太赫兹光谱探测装置；

所述太赫兹光谱产生装置用于产生激光脉冲；

所述太赫兹光谱发射装置用于在所述激光脉冲的激发下产生太赫兹脉冲，并将所述太赫兹脉冲射向待检测的植物叶片；

所述样品固定装置用于固定所述待检测的植物叶片；

所述太赫兹光谱探测装置用于接收经过所述待检测的植物叶片后的太赫兹脉冲和所述太赫兹光谱产生装置的激光脉冲，得到所述待检测的植物叶片每一点的太赫兹光谱数据。

优选的，所述太赫兹光谱发射装置包括：太赫兹发射器和第一透镜；

所述太赫兹发射器用于在所述激光脉冲的激发下产生太赫兹脉冲；所述第一透镜用于将所述太赫兹脉冲聚焦到所述待检测的植物叶片上。

本发明实施例提供的基于太赫兹波的植物叶片含水量检测方法和系统，通过预先建立植物叶片样本含水量与太赫兹光谱之间的水分含量预测模型，后续可以根据建立的该水分含量预测模型，通过采集待测植物叶片的太赫兹光谱数据，就可以得到待测植物叶片的含水量，而无需将待测植物叶片从植物上摘下，实现了植物叶片含水量的动态无损在线检测，不会对植物造成伤害，测量时间短、步骤简单，提高了检测效率。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1为本发明实施例提供的基于太赫兹波的植物叶片含水量检测方法的流程示意图；

图2为本发明实施例提供的聚乙烯板的吸收光谱示意图；

图3为叶片太赫兹时域重构图像的示意图；

图4为不同频率下的叶片的重构图像的示意图；

图5为本发明提供的基于太赫兹波的植物叶片含水量检测系统的框架示意图；

图6为本发明提供另一实施例提供的基于太赫兹波的植物叶片含水量检测系统的框架示意图。

具体实施方式

下面将结合附图对本发明的实施例进行详细描述。

如图1所示，本发明实施例提供了一种基于太赫兹波的植物叶片含水量检测方法，包括：

S1：获取所述植物叶片样本的水分含量；

其中，获取植物叶片样本的水分含量前，对叶片进行预处理，具体的，将植物叶片样本采摘下来后，用纸巾等将叶片表面擦拭干净，清除叶片表面的灰尘，避免其他物质对叶片的太赫兹成像光谱造成干扰，称量叶片质量m₁并记录，将测量后的叶片放在洁净无污染的地方，之后每天重复测量步骤，连续测量，得到每天称量叶片的质量m₂，m₃，......，在最后一天测量完毕后，将叶片放在110℃环境下烘干20分钟，称量叶片干物质的重量m₀，计算每一天叶片质量与最后一天质量差，△m₁＝m₁-m₀，△m₂＝m₂-m₀，......，得到每一天叶片水分含量△m₁，△m₂，......；

S2：获取植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值；

具体的，在每天测量叶片含水量的同时，每天采集太赫兹光谱成像数据，得到多组叶片含水量和对应的太赫兹光谱数据，其中，可以将多组数据分为校正集和预测集；其中，采集叶片太赫兹光谱成像数据前后，同时称量测量叶片质量，保持同步性，为准确获取叶片水分动态变化过程的光谱数据和水分含量数据提供保障；在采集太赫兹光谱数据之前，可以测量一下固定植物叶片样本的聚乙烯背景板的太赫兹光谱，确定是否对叶片的光谱数据造成影响，测量得到的聚乙烯板吸收系数如图2所示，在太赫兹频段下，聚乙烯板几乎是透明的(即对太赫兹波无吸收)，聚乙烯板可以用作测量叶片的背景板。在采集叶片的太赫兹光谱时，将叶片固定在该聚乙烯背景板上，避免叶片晃动对测量产生的干扰，设置扫描叶片的起始点(X₀，Y₀)和扫描终点(X₁，Y₁)，确保在二维平移台移动过程中，能扫描得到完整叶片图像，然后开始阵列式扫描叶片，保存叶片的太赫兹光谱数据。

S3：根据所述太赫兹光谱平均值和所述水分含量，建立水分含量预测模型；

S4：获取待测植物叶片的太赫兹光谱平均值，将待测植物叶片的太赫兹光谱平均值输入所述水分含量预测模型，得到所述待测植物叶片的水分含量。

本发明实施例提供的基于太赫兹波的植物叶片含水量检测方法，通过预先建立植物叶片样本含水量与太赫兹光谱之间的水分含量预测模型，后续可以根据建立的该水分含量预测模型，通过采集待测植物叶片的太赫兹光谱数据，就可以得到待测植物叶片的含水量，而无需将待测植物叶片从植物上摘下，实现了植物叶片含水量的动态无损在线检测，不会对植物造成伤害，测量时间短、步骤简单，提高了检测效率。

在上述实施例的基础上，步骤S2获取植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值，包括：

获取植物叶片样本每一点的太赫兹时域光谱数据和频域光谱数据；

根据所述植物叶片样本每一点的太赫兹时域光谱数据，得到不同时刻的所述植物叶片样本的太赫兹时域光谱平均值；

根据所述植物叶片样本每一点的太赫兹频域光谱数据，得到不同频率下的所述植物叶片样本的吸收系数的太赫兹频域光谱平均值。

具体地，太赫兹时域光谱仪采集得到叶片每一点的时域光谱数据，针对叶片的每一点，在时域分别在t₀-t_n间有效太赫兹时段内，并间隔测试步长的时域作为特征，分别计算不同时刻下叶片幅值图像的光谱平均值。将时域光谱数据进行傅里叶变换可以得到叶片每一点的频域值，为了消除叶片厚度对频域数据的影响，通过计算叶片每一点的吸收系数进行太赫兹光谱图像重构，在频域分别选择f₀-f_n间有效太赫兹带宽并间隔0.1THz的频率作为特征，分别计算不同频率下重构的叶片吸收系数图像的频域光谱平均值。

在上述实施例的基础上，步骤S3根据所述太赫兹光谱平均值和所述水分含量，建立水分含量预测模型，包括：

S301：根据不同时刻植物叶片样本的太赫兹时域光谱平均值和所述植物叶片样本的水分含量，建立第一预测模型，选取时域条件下最优时域特征参数组合；

S302：根据不同频率下的植物叶片样本的太赫兹频域光谱平均值和所述植物叶片样本的水分含量，建立第二预测模型，选取频域条件下最优频域特征参数组合；

S303：根据所述最优时域特征参数组合和最优频域特征参数组合，建立所述水分含量预测模型。

需要说明的是，为了不把噪声代入建立的水分含量预测模型中，本发明采用首先时域和频域单独建模，选出分别在时域和频域的最佳特征参数组合后，再进行后续的时域和频域组合建模。

具体的，步骤S301根据不同时刻植物叶片样本的太赫兹时域光谱平均值和所述植物叶片样本的水分含量，建立第一预测模型，选取时域条件下最优时域特征参数组合，包括：

将已知水分含量的植物的太赫兹光谱平均值输入所述第一预测模型；

比较不同时刻建立的所述第一预测模型的相关系数和均方根误差；

选取时域条件下最优的时域光谱平均值和对应的植物叶片样本的水分含量。

具体的，可以利用步骤S2中的校正集光谱数据建立时域光谱平均值与对应叶片含水量的多元回归模型，即该第一预测模型，通过该第一预测模型对步骤S2中的预测集数据进行预测，比较不同时刻建模方法下模型的相关系数和均方根误差，选取相关系数最高和均方根误差最小时的时域光谱平均值和对应植物叶片样本的水分含量的数据。

同样的，步骤S302根据不同频率下的植物叶片样本的太赫兹频域光谱平均值和所述植物叶片样本的水分含量，建立第二预测模型，选取频域条件下最优频域特征参数组合，包括：

将已知水分含量的植物的太赫兹光谱平均值输入所述第二预测模型；

比较不同频率建立的所述第二预测模型的相关系数和均方根误差；

选取频域条件下最优的频域光谱平均值和对应的植物叶片含水量。

具体的，利用校正集数据建立频域光谱平均值与叶片含水量之间的第二预测模型，并利用预测集数据对该模型进行验证，比较不同频率建模方法下模型的相关系数和均方根误差，选取相关系数最高和均方根误差最小时的频域光谱平均值和对应植物叶片含水量数据。

具体的，步骤S303，在得到最优时域、频域特征参数组合后，建立多元回归模型，并可以利用采集的太赫兹光谱数据进行校正和预测，通过相关系数与均方根误差的模型评价，筛选出相关系数最高、均方根误差最小的数学模型作为最优建模组合，得到基于时域光谱、频域吸收系数组合的最优水分含量预测模型。

在上述实施例的基础上，优选的，本发明实施例提供的一种基于太赫兹波的植物叶片含水量检测方法还包括：

在获取植物叶片样本每一点的太赫兹时域光谱数据之后，提取所述植物叶片样本每一点时域光谱的时域幅值，根据所述每一点的时域幅值对所述植物叶片样本进行图像重构。利用图像重构，可以通过人眼观察确定哪个时刻的光谱数据最佳，利于水分含量预测模型的建立。如图3所示，t₁比t₂时刻的叶片轮廓清晰，所以t₁时刻的光谱数据较佳。

在上述实施例的基础上，优选的，该方法还包括：

在获取植物叶片样本每一点的太赫兹时域光谱数据之后，将所述太赫兹时域光谱数据进行傅里叶变换，得到所述植物叶片样本每一点的太赫兹频域光谱数据；

根据所述太赫兹频域光谱数据，计算所述植物叶片样本每一点的吸收系数，并根据所述植物叶片样本每一点的吸收系数对所述植物叶片样本进行图像重构。

本发明为了消除叶片厚度对频域数据的影响，通过计算植物叶片每一点的吸收系数进行太赫兹光谱图像重构，如图4所示。从图4中可以看出，在1.1THz左右，叶片边界较为清晰，因此，在1.1THz左右的频域光谱数据较佳。其中，根据所述太赫兹频域光谱数据，计算所述植物叶片样本每一点的吸收系数，采用以下公式：

$n\left(\mathrm{\ω}\right)=\frac{2}{d}ln\left\{\frac{4n\left(\mathrm{\ω}\right)}{\mathrm{\ρ}\left(\mathrm{\ω}\right){\[n\left(\mathrm{\ω}\right)+1\]}^2}\right\}$

其中：ω为频率，d为植物叶片样品的厚度，ρ(ω)为频域光谱的振幅，n(ω)为吸收系数，为相位。

如图5所示，另一方面，本发明还提供了一种基于太赫兹波的植物叶片含水量检测系统，该系统可以用于上述实施例所述的基于太赫兹波的植物叶片含水量检测方法中，用于获取植物叶片每一点的太赫兹光谱数据，其特征在于，包括：依次设置太赫兹光谱产生装置51、太赫兹光谱发射装置52、样品固定装置53和太赫兹光谱探测装置54；

所述太赫兹光谱产生装置51用于产生激光脉冲；

所述太赫兹光谱发射装置52用于在所述激光脉冲的激发下产生太赫兹脉冲，并将所述太赫兹脉冲射向待检测的植物叶片；

所述样品固定装置53用于固定所述待检测的植物叶片；

所述太赫兹光谱探测器54用于接收经过所述待检测的植物叶片后的太赫兹脉冲和所述太赫兹光谱产生装置51的激光脉冲，得到所述待检测的植物叶片每一点的太赫兹光谱数据。

需要说明的是，该基于太赫兹波的植物叶片含水量检测系统可以用于植物叶片每一点的太赫兹光谱数据的采集，根据植物叶片每一点的太赫兹光谱数据可以得到植物叶片的太赫兹光谱平均值，然后根据上述实施例建立好的关于太赫兹光谱平均值与植物叶片含水量对应关系的水分含量预测模型，得到当前采集的太赫兹光谱数据所对应的植物叶片的含水量。因此通过采用本发明提供的系统采集待测植物叶片的太赫兹光谱数据，就可以得到待测植物叶片的含水量，而无需将待测植物叶片从植物上摘下，实现了植物叶片含水量的动态无损在线检测，不会对植物造成伤害，测量时间短、步骤简单，提高了检测效率。

优选的，如图6所示，所述太赫兹光谱发射装置52包括：太赫兹发射器和第一透镜；所述第一透镜位于所述太赫兹发射器与所述样品固定装置53之间；

所述太赫兹发射器用于在所述激光脉冲的激发下产生太赫兹脉冲；所述第一透镜用于将所述太赫兹脉冲聚焦到所述待检测的植物叶片上。

优选的，所述样品固定装置53为聚乙烯板。

优选的，所述太赫兹光谱产生装置51为飞秒激光器。

优选的，所述太赫兹光谱探测装置54包括第二透镜与太赫兹探测器；所述第二透镜位于所述样品固定装置53与所述太赫兹探测器之间；

所述第二透镜用于将经过所述待检测的植物叶片的太赫兹脉冲聚焦在所述太赫兹探测器的入口处；所述太赫兹探测器用于探测接收到的激光脉冲强度和经过植物叶片后的太赫兹脉冲强度，生成待检测的植物叶片每一点的太赫兹光谱数据。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种基于太赫兹波的植物叶片含水量检测方法，其特征在于，包括：

获取植物叶片样本的水分含量；

获取所述植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值；

根据所述太赫兹光谱平均值和所述水分含量，建立水分含量预测模型；

获取待测植物叶片的太赫兹光谱平均值，将待测植物叶片的太赫兹光谱平均值输入所述水分含量预测模型，得到所述待测植物叶片的水分含量。

2.根据权利要求1所述的方法，其特征在于，所述获取植物叶片样本每一点的太赫兹光谱数据，得到太赫兹光谱平均值，包括：

获取植物叶片样本每一点的太赫兹时域光谱数据和频域光谱数据；

根据所述植物叶片样本每一点的太赫兹时域光谱数据，得到不同时刻的所述植物叶片样本的太赫兹时域光谱平均值；

根据所述植物叶片样本每一点的太赫兹频域光谱数据，得到不同频率下的所述植物叶片样本的吸收系数的太赫兹频域光谱平均值。

3.根据权利要求2所述的方法，其特征在于，根据所述太赫兹光谱平均值和所述水分含量，建立水分含量预测模型，包括：

根据不同时刻植物叶片样本的太赫兹时域光谱平均值和所述植物叶片样本的水分含量，建立第一预测模型，选取时域条件下最优时域特征参数组合；

根据不同频率下的植物叶片样本的太赫兹频域光谱平均值和所述植物叶片样本的水分含量，建立第二预测模型，选取频域条件下最优频域特征参数组合；

根据所述最优时域特征参数组合和最优频域特征参数组合，建立所述水分含量预测模型。

4.根据权利要求3所述的方法，其特征在于，根据不同时刻植物叶片样本的太赫兹时域光谱平均值和所述植物叶片样本的水分含量，建立第一预测模型，选取时域条件下最优时域特征参数组合，包括：

将已知水分含量的植物的太赫兹光谱平均值输入所述第一预测模型；

比较不同时刻建立的所述第一预测模型的相关系数和均方根误差；

选取时域条件下最优的时域光谱平均值和对应的植物叶片样本的水分含量。

5.根据权利要求3所述的方法，其特征在于，根据不同频率下的植物叶片样本的太赫兹频域光谱平均值和所述植物叶片样本的水分含量，建立第二预测模型，选取频域条件下最优频域特征参数组合，包括：

将已知水分含量的植物的太赫兹光谱平均值输入所述第二预测模型；

比较不同频率建立的所述第二预测模型的相关系数和均方根误差；

选取频域条件下最优的频域光谱平均值和对应的植物叶片含水量。

6.根据权利要求2所述的方法，其特征在于，还包括：

在获取植物叶片样本每一点的太赫兹时域光谱数据之后，提取所述植物叶片样本每一点时域光谱的时域幅值，根据所述每一点的时域幅值对所述植物叶片样本进行图像重构。

7.根据权利要求2所述的方法，其特征在于，还包括：

在获取植物叶片样本每一点的太赫兹时域光谱数据之后，将所述太赫兹时域光谱数据进行傅里叶变换，得到所述植物叶片样本每一点的太赫兹频域光谱数据；

根据所述太赫兹频域光谱数据，计算所述植物叶片样本每一点的吸收系数，并根据所述植物叶片样本每一点的吸收系数对所述植物叶片样本进行图像重构。

8.根据权利要求7所述的方法，其特征在于，所述根据所述太赫兹频域光谱数据，计算所述植物叶片样本每一点的吸收系数，采用以下公式：

$n\left(\mathrm{\ω}\right)=\frac{2}{d}ln\left\{\frac{4n\left(\mathrm{\ω}\right)}{\mathrm{\ρ}\left(\mathrm{\ω}\right){\[n\left(\mathrm{\ω}\right)+1\]}^2}\right\}$

其中：ω为频率，d为植物叶片样品的厚度，ρ(ω)为频域光谱的振幅，n(ω)为吸收系数，为相位。

9.一种基于太赫兹波的植物叶片含水量检测系统，用于权利要求1-8任意一项所述的基于太赫兹波的植物叶片含水量检测方法中，其特征在于，包括：太赫兹光谱产生装置、太赫兹光谱发射装置、样品固定装置和太赫兹光谱探测装置；

所述太赫兹光谱产生装置用于产生激光脉冲；

所述太赫兹光谱发射装置用于在所述激光脉冲的激发下产生太赫兹脉冲，并将所述太赫兹脉冲射向待检测的植物叶片；

所述样品固定装置用于固定所述待检测的植物叶片；

所述太赫兹光谱探测装置用于接收经过所述待检测的植物叶片后的太赫兹脉冲和所述太赫兹光谱产生装置的激光脉冲，得到所述待检测的植物叶片每一点的太赫兹光谱数据。

10.根据权利要求9所述的基于太赫兹波的植物叶片含水量检测系统，其特征在于，所述太赫兹光谱发射装置包括：太赫兹发射器和第一透镜；

所述太赫兹发射器用于在所述激光脉冲的激发下产生太赫兹脉冲；所述第一透镜用于将所述太赫兹脉冲聚焦到所述待检测的植物叶片上。