CN106769944A - 基于图像的双波长植物叶片叶绿素含量检测方法和装置 - Google Patents

基于图像的双波长植物叶片叶绿素含量检测方法和装置 Download PDF

Info

Publication number
CN106769944A
CN106769944A CN201710026837.7A CN201710026837A CN106769944A CN 106769944 A CN106769944 A CN 106769944A CN 201710026837 A CN201710026837 A CN 201710026837A CN 106769944 A CN106769944 A CN 106769944A
Authority
CN
China
Prior art keywords
light source
detection
plant leaf
chlorophyll content
blade
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
Application number
CN201710026837.7A
Other languages
English (en)
Other versions
CN106769944B (zh
Inventor
郭文川
杨彪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest A&F University
Original Assignee
Northwest A&F University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest A&F University filed Critical Northwest A&F University
Priority to CN201710026837.7A priority Critical patent/CN106769944B/zh
Publication of CN106769944A publication Critical patent/CN106769944A/zh
Application granted granted Critical
Publication of CN106769944B publication Critical patent/CN106769944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于图像的双波长植物叶片叶绿素含量检测方法和装置，属于光学成分检测技术领域。解决的技术问题是提供一种成本低廉、结果稳定的植物叶片叶绿素含量检测方法和装置。组成结构包括蓄电池、充电口、检测光源开关、参考光源开关、检测光源、参考光源、铰链、叶片透光口、壳体、相机孔、智能手机。通过拍摄检测波长和参考波长光照射下植物叶片的图片，利用编写的软件提取出叶子部分，计算出检测波长和参考波长照射下图像叶子部分的平均光强I检测和I参考，通过植物叶片叶绿素含量与I检测和I参考之间关系的数学模型，计算出其叶绿素含量并显示出来。本发明可以快速检测植物叶片叶绿素含量，为按需施肥提供依据。

Description

基于图像的双波长植物叶片叶绿素含量检测方法和装置
技术领域
本发明涉及光学成分检测技术领域，特别涉及基于图像的双波长植物叶片叶绿素含量检测方法和装置。
背景技术
叶绿素是绿色植物进行光合作用不可或缺的成分，不同生长期植物叶片叶绿素的含量一定程度上可以反映绿色植物的健康情况。我国存在较为严重的化肥滥用现象，通过监测绿色植物叶片的叶绿素含量可以为按需施肥提供依据。植物叶片叶绿素含量检测的传统方法有分光光度法，SPAD仪法等。分光光度法结果准确，但需要将叶片研磨，并且需要较多的仪器、试剂，检测时间较长。SPAD仪法检测速度快，但需要使用昂贵的SPAD仪，成本较高。
中国专利公开号CN105574516A，公开日2016年05月11日，发明创造名称为“可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法”，该申请公开了“一种观赏凤梨的叶绿素检测方法，主要是在观赏凤梨叶片的可见光图像中，通过采样区域聚类，建立 R 、 G 、B 数值与叶绿素含量之间的 logistic 回归模型，并使用该回归模型估算观赏凤梨叶片叶绿素含量值。”类似的研究在周超超2014年题为“基于Android手机平台的玉米叶片含氮量检测方法研究”的硕士论文中也有涉及，文中31页指出玉米叶片图像的R 、G 、B值与反映叶绿素含量的SPAD值的相关性系数分别为0.4907、0.1497、和0.6849，经过颜色校正的玉米叶片的Rs 、 Gs 、 Bs值与其SPAD值的相关性系数分别为0.2081、0.7557、0.2044。在该发明中，没有考虑光源发色倾向对观赏凤梨叶片图像的影响，因此检测精度和稳定性较低。
中国专利公开号CN104266970A，公开日2015年01月07日，发明创造名称为“三波长漫反射光学叶绿素检测装置”，该申请公开了“一种三波长漫反射光学叶绿素检测装置，包括嵌套，插装于所述嵌套内的检测单元；扣合在所述检测单元顶部的密封盖；其特征在于：所述检测单元包括自土而下开设有三级阶梯孔的圆柱体，所述圆柱体的上端为沿径向外延的因台体结构，所述圆台体的下台面开设有防水环形槽；位于圆台体下方的圆柱体外用面上对称于圆柱体轴线向上倾斜51° -53°均布开设有六个斜孔，所述每个斜孔均与所述第一级阶梯孔相通；所述六个斜孔中相对的两个斜孔为一组；每组中的一个斜孔内自土而下依次设置有凸透镜、 LED 光源，另一个斜孔内设置有吸光材料；位于第二级阶梯孔内设置有聚光透镜并通过环套运位；位于第三级阶梯孔内设置有光探测器。”其不足之处在于装置结构复杂，制造成本较高。
中国专利公开号CN104777108A，公开日2015年07月15日，发明创造名称为“一种叶绿素含量的检测装置及方法”，该申请公开了“一种叶绿素含量的检测装置及方法，该方法包括：利用不同浓度的叶绿素溶液，建立叶绿素检测模型；采用两个波长的入射光对待测样本进行检测，获取所述持测样本的叶绿素的吸光度；将所述待测样本的叶绿素的吸光度代入所述叶绿素检测模型，获取所述持测样本的叶绿素的浓度。该方法分别用波长为 645nm和 663nm的光照射样品，通过光电传感器测量透射光的强度可以得到对应波长下的吸光度值，从而计算出叶绿素的相对浓度值。” 其选择检测光波长的依据为“叶绿素 a 、 b 在红光区的最大吸收峰分别为 663nm 和 645nm，因选取敏感波段为 663nm 和 645nm。”在实施例中提到“本系统所采用的信号是由发光二极管发出。”其不足之处是只选择了叶绿素敏感波长的光作为检测光源，没有选择其他不受叶绿素影响波长的光作为参考，检测的稳定性和精确度较低；另外LED光的光谱带宽一般为几十纳米，该专利选择的两个敏感波段为663nm 和 645nm，波长较为接近，因此区别检测两种叶绿素的实现性较低。
综上所述，现有技术存在结构复杂，稳定性和重复性不高的问题。
发明内容
本发明要解决的技术问题是提供一种成本低廉、结果稳定的植物叶片叶绿素含量检测装置和方法。
本发明是通过以下技术方案实现的：
基于图像的双波长植物叶片叶绿素含量检测方法和装置,组成结构包括蓄电池、充电口、检测光源开关、参考光源开关、检测光源、参考光源、铰链、叶片透光口、壳体、相机孔、智能手机；蓄电池固定于壳体底部，与充电口、检测光源、参考光源相连，检测光源开关、参考光源开关分别控制检测光源、参考光源的工作状态。壳体分为上腔和下腔，上腔是一个封闭的空间，避免自然光干扰，内壁涂成黑色，便于后期图像处理，上腔顶部平面上开有相机孔；下腔内壁为白色，布置有检测光源和参考光源；下腔顶部平面开有叶片透光口，下腔顶部平面与上腔顶部平面平行。
所述的检测光源和参考光源均为单波长光源。
壳体上腔和下腔通过铰链相连，可以活动，以便于放入叶片样本；壳体下半部分顶端留有叶片透光口，壳体上半部分的底部为空，顶部留有相机孔，壳体的下腔顶端覆盖有一层薄海绵。所述智能手机至少应当拥有1个摄像头，并且支持安装检测软件。
本发明检测方法包括以下步骤并按以下顺序进行：
a．准备工作：将待测叶片置于叶片透光口上，将壳体上腔与下腔扣合，使壳体的上腔成为封闭空间，将智能手机置于相机孔上。
b．获取双波长光照射下的叶片图像：打开智能手机中的检测软件，闭合检测光源开关，使检测光源发光，检测软件调用智能手机的摄像头拍照，并将图像存储在手机ROM中；断开检测光源开关，闭合参考光源开关，使参考光源发光，检测软件再次调用智能手机的摄像头拍照，并将图像存储在手机ROM中；
c．图像处理：依次对两张图像进行图像平滑，颜色空间转换（RGB空间转换至HSV），被照亮部分叶片提取，显示提取结果，计算被照亮部分叶片图像的平均明度，计算两个波长照射下叶片平均光强I检测和I参考；
d．植物叶片叶绿素含量计算：将I检测和I参考带入植物叶片叶绿素含量与I检测和I参考关系的数学模型中，计算出植物叶片叶绿素含量。
本发明的测量原理是叶绿素对波长为660nm附近的可见光具有明显的吸收作用，以叶子对波长550nm光的吸光度作为参照，可以减少叶片厚度和其他因素对测量精度的干扰。本发明通过分别拍摄检测波长和参考波长光照射下植物叶片的图片，将其转换至HSV色彩空间，通过编写的软件提取出被照亮的叶子部分，计算出检测波长和参考波长叶子部分平均光强I检测和I参考；通过测量不同叶绿素含量的植物叶片的叶绿素含量C及其在检测波长和参考波长光下的平均光强建立如下模型：
其中K和B为常数。在软件中通过该模型即可计算出植物叶片样本的叶绿素含量。
与现有技术相比，本发明的优点在于：
a、本发明成本低廉，充分利用了现在大多数手机都具有的摄像头作为检测光强的传感器，降低了成本。
b、与传统方法只检测叶片上某一点的方法不同，本发明通过软件提取出叶片上一个圆形的面作为检测样本，可以提供更好的检测稳定性，减少叶脉等对检测精度和重复性的影响。
附图标记
1、蓄电池；2、充电口；3、检测光源开关；4、参考光源开关；5、检测光源；6、参考光源；7、铰链；8、叶片透光口；9、壳体；10、相机孔；11、智能手机。
附图说明
图1是本发明的结构图；
图2是植物叶片的吸光度与波长关系图；
图3是检测软件获取两个波长图像界面
图4是检测软件显示提取结果界面
图5是检测软件保存文件并计算叶绿素含量界面
图6是检测软件显示计算结果界面。
具体实施方式
下面结合一个优选实施例和附图对本发明作进一步说明：
如图1所示
基于图像的双波长植物叶片叶绿素含量检测装置，组成结构包括蓄电池1、充电口2、检测光源开关3、参考光源开关4、检测光源5、参考光源6、铰链7、叶片透光口8、壳体9、相机孔10、智能手机11；蓄电池1固定于壳体9底部，与充电口2、检测光源4、参考光源5相连，检测光源开关3、参考光源开关4分别控制检测光源5、参考光源6的工作状态；壳体9分为上腔和下腔，上腔是一个封闭的空间，避免自然光干扰，内壁涂成黑色，便于后期图像处理，上腔顶部平面上开有相机孔10；下腔内壁为白色，布置有检测光源5和参考光源6；下腔顶部平面开有叶片透光口8，下腔顶部平面与上腔顶部平面平行；壳体9上腔和下腔通过铰链7相连，可以活动，以便于放入叶片样本，壳体9的下腔顶端覆盖有一层薄海绵；下半部分顶端留有圆形的叶片透光口8，上半部分的底部为空，顶部留有相机孔10。
蓄电池1选用18650型锂电池。
充电口2选用常见的Micro USB接口。
检测光源开关3、参考光源开关4选用普通船型开关。
检测光源5、参考光源6选用对应波长的发光二极管。
智能手机11使用运行Android 6.0系统的小米5手机。
图2为植物叶片的吸光度与波长关系图，检测仪器为美国海洋光学生产的USB4000型分光式光谱仪。从图中可以看到，植物叶片吸收峰在660nm左右，这是因为植物叶片中含有的叶绿素对波长为660nm的光有明显的吸收作用。而叶片对550nm的光的吸收度较低，可以作为参考。
图3是检测软件获取两个波长图像界面，在使用时，首先打开检测光源开关3，将手机摄像头置于相机孔10上，点击“拍照660nm”按钮，程序调用手机的摄像头，设置好摄像头参数后点击拍照，获得660nm光照射下植物叶片的图像并将其显示在界面左下方。然后关闭检测光源开关3，打开参考光源开关4，同样将手机摄像头置于相机孔10上，点击“拍照550nm”按钮，程序调用手机的摄像头，设置好摄像头参数后点击拍照，获得550nm光照射下植物叶片的图像并将图像显示在右下方。
图4是检测软件显示提取结果界面，完成图像获取后，需要提取被照亮部分叶片，点击“处理660nm”按钮，程序对图像进行平滑、分割，用白色表示被照亮叶片部分，用黑色表示其他部分，并将分割结果显示在界面上。计算出叶片部分的平均R、G、B、H、S、V值并将这些值显示出来，其中R、G、B为被照亮叶片部分在RGB色彩空间中被照亮叶片部分图像的平均红色、绿色、蓝色分量的值，H、S、V为被照亮叶片部分图像在HSV色彩空间中叶片部分的平均色相、饱和度、明度分量的值。计算出的V值即为660nm光照下叶片的平均光强I检测。同样，点击“处理550nm”按钮，即可获得550nm下叶片的平均光强I参考，并将图像分割结果显示在界面中。
图5是检测软件保存文件并计算叶绿素含量界面，得到I检测和I参考之后，点击“保存并计算”按钮，在提示字符为“Input file name here！”的文本输入框中输入文件夹名；点击“Ok”键即可将获得的两张图像存储在文件夹名为输入框中字符串的文件夹中，然后返回主界面并将计算结果显示在主界面上，点击“Cancel”键只返回主界面，不保存图像文件，不计算叶绿素含量。
图6是检测软件显示计算结果界面，界面的右下角显示的便是叶片的叶绿素含量。
在针对某一特定植物叶片进行测量时，需要获取针对该植物的检测模型，模型结构为：
式中C为叶片叶绿素含量，用其SPAD值表示， K和B为常数，确定K和B的值的方法如下：
a． 取叶绿素含量不同、且含量分布较均匀的该植物叶片样本50-100片，分别用本装置获取其被两波长光照射的图片；
b．点击软件主界面上的“处理660nm”按钮，并记录界面下方显示的V值，既获得该叶片的I检测，同样点击“处理550nm”， 获得该叶片的I参考；
c． 用SPAD仪器获取植物叶片样本的叶绿素含量C。
d．将得到的50-100组I检测和I参考和对应的50-100个叶绿素含量值C用最小二乘法处理，便可算出模型的参数K和B，在软件中修改模型，即可测量特定植物叶片的叶绿素含量。
以上实施例仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均在本发明的保护范围之内。

Claims (4)

1.基于图像的双波长植物叶片叶绿素含量检测方法，其特征在于：包括以下步骤并按以下顺序进行：
a．准备工作：将待测叶片置于叶片透光口（8）上，将壳体（9）上腔与下腔扣合，使壳体（9）的上腔成为封闭空间，将智能手机（11）置于相机孔（10）上；
b．获取双波长光照射下的叶片图像：打开智能手机（11）中的检测软件，闭合检测光源开关（3），使检测光源（5）发光，检测软件调用智能手机（11）的摄像头拍照，并将图像存储在手机ROM中；断开检测光源开关（3），闭合参考光源开关（4），使参考光源（6）发光，检测软件再次调用智能手机（11）的摄像头拍照，并将图像存储在手机ROM中；
c．图像处理：依次对两张图像进行图像平滑、颜色空间转换（RGB空间转换至HSV）、被照亮部分叶片提取、显示提取结果、计算被照亮部分叶片图像的平均明度、计算两个波长照射下叶片平均光强I检测和I参考；
d．植物叶片叶绿素含量计算：将I检测和I参考带入植物叶片叶绿素含量与I检测和I参考关系的数学模型中，计算出植物叶片叶绿素含量。
2.基于图像的双波长植物叶片叶绿素含量检测装置, 其特征在于：组成结构包括蓄电池（1）、充电口（2）、检测光源开关（3）、参考光源开关（4）、检测光源（5）、参考光源（6）、铰链（7）、叶片透光口（8）、壳体（9）、相机孔（10）、智能手机（11）；蓄电池（1）固定于壳体（9）底部，与充电口（2）、检测光源（4）、参考光源（5）相连，检测光源开关（3）参考光源开关（4）分别控制检测光源（5）参考光源（6）的工作状态；壳体（9）分为上腔和下腔，上腔是一个封闭的空间，内壁涂成黑色，上腔顶部平面上开有相机孔（10）；下腔内壁为白色，布置有检测光源（5）和参考光源（6）；下腔顶部平面开有叶片透光口（8），下腔顶部平面与上腔顶部平面平行；
所述的检测光源（5）和参考光源（6）均为单波长光源。
3.根据权利要求2所述的基于图像的双波长植物叶片叶绿素含量检测装置，其特征在于：壳体（9）的上腔和下腔通过铰链（7）相连，可以活动，以便于放入叶片样本，壳体（9）的下腔顶端覆盖有一层薄海绵。
4.根据权利要求2所述的基于图像的双波长植物叶片叶绿素含量检测装置，其特征在于：智能手机（11）至少应当拥有1个摄像头，并且支持安装检测软件。
CN201710026837.7A 2017-01-14 2017-01-14 基于图像的双波长植物叶片叶绿素含量检测方法和装置 Active CN106769944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710026837.7A CN106769944B (zh) 2017-01-14 2017-01-14 基于图像的双波长植物叶片叶绿素含量检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710026837.7A CN106769944B (zh) 2017-01-14 2017-01-14 基于图像的双波长植物叶片叶绿素含量检测方法和装置

Publications (2)

Publication Number Publication Date
CN106769944A true CN106769944A (zh) 2017-05-31
CN106769944B CN106769944B (zh) 2019-09-03

Family

ID=58946742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710026837.7A Active CN106769944B (zh) 2017-01-14 2017-01-14 基于图像的双波长植物叶片叶绿素含量检测方法和装置

Country Status (1)

Country Link
CN (1) CN106769944B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107454266A (zh) * 2017-08-28 2017-12-08 江苏农林职业技术学院 基于智能手机的作物营养诊断装置与诊断方法
CN108719024A (zh) * 2018-06-13 2018-11-02 苏州若依玫信息技术有限公司 一种基于叶绿素检测的自动化种植系统
CN109827957A (zh) * 2018-12-17 2019-05-31 南京邮电大学 一种基于计算机视觉的水稻叶片spad值估测方法及系统
CN111443087A (zh) * 2020-04-07 2020-07-24 北京农业信息技术研究中心 叶绿素检测装置及方法
CN113390870A (zh) * 2021-05-25 2021-09-14 广西大学 一种基于机器视觉技术的植物叶片叶绿素含量估测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1865926A (zh) * 2006-04-30 2006-11-22 武汉大学 便携式植物叶片色素检测仪
CN101334359A (zh) * 2008-07-29 2008-12-31 北京航空航天大学 一种便携式植物营养成分无损测量装置和方法
CN102506772A (zh) * 2011-11-01 2012-06-20 西北农林科技大学 一种基于手机的快速检测叶片面积的方法及装置
CN104132897A (zh) * 2014-08-16 2014-11-05 西北农林科技大学 一种基于手持设备的植物叶片含氮量测量方法和装置
WO2016111376A1 (ja) * 2015-01-09 2016-07-14 日立マクセル株式会社 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
CN206387721U (zh) * 2017-01-14 2017-08-08 西北农林科技大学 基于图像技术的双波长植物叶片叶绿素含量检测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1865926A (zh) * 2006-04-30 2006-11-22 武汉大学 便携式植物叶片色素检测仪
CN101334359A (zh) * 2008-07-29 2008-12-31 北京航空航天大学 一种便携式植物营养成分无损测量装置和方法
CN102506772A (zh) * 2011-11-01 2012-06-20 西北农林科技大学 一种基于手机的快速检测叶片面积的方法及装置
CN104132897A (zh) * 2014-08-16 2014-11-05 西北农林科技大学 一种基于手持设备的植物叶片含氮量测量方法和装置
WO2016111376A1 (ja) * 2015-01-09 2016-07-14 日立マクセル株式会社 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
CN206387721U (zh) * 2017-01-14 2017-08-08 西北农林科技大学 基于图像技术的双波长植物叶片叶绿素含量检测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FARSHAD VESALI，ET.AL.: """Development of an android app to estimate chlorophyll content of corn""", 《COMPUTERS AND ELECTRONICS IN AGRICULTURE》 *
周超超: ""基于Android手机平台的玉米叶片含氮量检测方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107454266A (zh) * 2017-08-28 2017-12-08 江苏农林职业技术学院 基于智能手机的作物营养诊断装置与诊断方法
CN108719024A (zh) * 2018-06-13 2018-11-02 苏州若依玫信息技术有限公司 一种基于叶绿素检测的自动化种植系统
CN109827957A (zh) * 2018-12-17 2019-05-31 南京邮电大学 一种基于计算机视觉的水稻叶片spad值估测方法及系统
CN111443087A (zh) * 2020-04-07 2020-07-24 北京农业信息技术研究中心 叶绿素检测装置及方法
CN113390870A (zh) * 2021-05-25 2021-09-14 广西大学 一种基于机器视觉技术的植物叶片叶绿素含量估测方法

Also Published As

Publication number Publication date
CN106769944B (zh) 2019-09-03

Similar Documents

Publication Publication Date Title
CN106769944A (zh) 基于图像的双波长植物叶片叶绿素含量检测方法和装置
Rich A manual for analysis of hemispherical canopy photography
CN101915738B (zh) 基于高光谱成像技术的茶树营养信息快速探测方法及装置
CN105651713B (zh) 一种基于计算机图像分析的青菜叶片叶绿素定量检测方法
CN104132897B (zh) 一种基于手持设备的植物叶片含氮量测量方法和装置
CN102506772B (zh) 一种基于手机的快速检测叶片面积的方法及装置
Kobe Sapling growth as a function of light and landscape-level variation in soil water and foliar nitrogen in northern Michigan
CN109883959B (zh) 一种基于阵列传感器芯片的便携式多光谱成像装置及其应用
Morel Consequences of a Synechococcus bloom upon the optical properties of oceanic (case 1) waters
BR112014020281B1 (pt) processo de mensuração da refletância e dispositivo
CN105758806B (zh) 基于光谱特征的地膜覆盖农田遥感监测方法
US9070192B1 (en) Implementing rich color transition curve tracking for applications
CN104777108B (zh) 一种叶绿素含量的检测装置及方法
CN104614321A (zh) 一种基于光谱图像的作物长势实时监测方法
CN105662348A (zh) 基于智能手机的新型皮肤检测系统及产品辅助选择系统
CN109059808A (zh) 叶片面积测量方法、系统、存储介质及移动终端
CN105891112A (zh) 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法
CN109191520A (zh) 一种基于色彩标定的植物叶面积测量方法及系统
CN110346305A (zh) 一种测量植物叶片氮含量的方法和装置
CN206387721U (zh) 基于图像技术的双波长植物叶片叶绿素含量检测装置
Lin et al. Fluorescence Scheimpflug LiDAR developed for the three-dimension profiling of plants
CN115170341A (zh) 利用激光雷达修正小微样的林业资源碳汇精准测算方法
CN105954207A (zh) 一种枣树冠层叶绿素b含量的检测方法
CN107796819A (zh) 穹顶光源钻石测量仪及钻石测量方法
CN105574516B (zh) 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant