CN108254396A - 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法 - Google Patents

一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法 Download PDF

Info

Publication number
CN108254396A
CN108254396A CN201711269627.7A CN201711269627A CN108254396A CN 108254396 A CN108254396 A CN 108254396A CN 201711269627 A CN201711269627 A CN 201711269627A CN 108254396 A CN108254396 A CN 108254396A
Authority
CN
China
Prior art keywords
polarization
sample
micro
characteristic
image
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
CN201711269627.7A
Other languages
English (en)
Other versions
CN108254396B (zh
Inventor
张晓东
张雪威
毛罕平
张红涛
左志宇
高洪燕
倪纪恒
张怡雪
张放
孙宏伟
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.)
Jiangsu University
Original Assignee
Jiangsu 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 Jiangsu University filed Critical Jiangsu University
Priority to CN201711269627.7A priority Critical patent/CN108254396B/zh
Priority to US16/646,351 priority patent/US11436824B2/en
Priority to PCT/CN2017/117189 priority patent/WO2019109383A1/zh
Publication of CN108254396A publication Critical patent/CN108254396A/zh
Application granted granted Critical
Publication of CN108254396B publication Critical patent/CN108254396B/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
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/05—Fruit crops, e.g. strawberries, tomatoes or cucumbers
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G31/00—Soilless cultivation, e.g. hydroponics
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
    • A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
    • 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
    • G01N21/21—Polarisation-affecting properties
    • 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
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
    • 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
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/10—Different kinds of radiation or particles
    • G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
    • G01N2223/1016—X-ray
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/612—Specific applications or type of materials biological material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Wood Science & Technology (AREA)
  • Quality & Reliability (AREA)
  • Medicinal Chemistry (AREA)
  • Forests & Forestry (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Food Science & Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Vascular Medicine (AREA)

Abstract

本发明公开了一种基于micro‑CT和偏振‑高光谱成像多特征融合的番茄苗期水分胁迫检测方法，采用micro‑CT扫描番茄水分胁迫气孔、海绵体、栅栏组织、纤毛、维管束、根系体积、主根和根毛密度的微观形态特征；利用偏振‑高光谱成像系统获取水分胁迫植株的冠幅、株高、叶倾角等宏观形态特征，以及1450nm水分敏感波长下的叶脉分布、平均灰度、叶缘卷曲阴影面积和0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的偏振态、stock向量、穆勒矩阵变量等宏观形态特征，融合水分胁迫番茄的内外结构、地上地下、宏观微观形态特征与水分胁迫特征波长图像、偏振态特征的相互融合，优势互补，实现对番茄水分胁迫特征的全面精确提取和精确定量分析，为设施水肥一体化的科学管理提供依据。

Description

一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗 期水分胁迫检测方法
技术领域
本发明属于设施农业生物综合信息探测技术领域，涉及一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测技术。
背景技术
目前规模化、产业化、智能化成为设施种植养殖的发展方向，温室种植作物的生长过程的智能监测技术已成为温室生产的关键环节，而植株水分胁迫状态是温室智能化水肥管理的重要依据，传统经验检测法和化学分析、冠气温差、图像检测等植株营养水分检测方法，存在劳动强度大，检测周期长，易受环境干扰检测精度较低等问题，容易出现误判，无法满足要求无法满足现代化设施生产的需求，近年来虽然科技的进一步发展和高科技设备成本的进一步降低，micro-CT技术逐渐在农业工程中出现并有了初步的应用，micro-CT技术能够通过高精度的透视扫描三维成像，能够实现对植株的水分胁迫导致的内外微观形态差异进行精确表型，而偏振-高光谱成像技术则能够对番茄纤毛、表面皱缩等质地微结构等表观颜色/纹理/偏振态等水分胁迫差异进行探测，通过内外特征的融合互补能够实现对番茄水分胁迫的精确探测，对提高温室生产的智能化技术水平具有重要的理论意义和应用价值。
CT技术虽然在医疗检测领域有了广泛的应用，但在设施农业生产过程监测技术中micro-CT的应用较少，目前已有学者使用micro-CT进行土壤和根系检测研究，其中申请号为201710189744.6的发明专利申请，公开了一种基于CT技术的作物幼苗夹持取苗过程中苗钵破损检测方法和装置，可以利用CT扫描仪对不同夹取状态下的作物穴盘苗进行断层扫描，对苗钵中的孔隙提取并三维可视化，研究苗钵内部新生孔隙和缝隙产生和扩展，为取苗末端执行器结构设计和夹取参数选择提供依据。申请号为201611253837.2的发明专利申请公开了一种用于作物穴盘苗CT扫描根系三维重构成像的育苗方法，该方法在不破坏根系在育苗基质中空间分布的情况下，用作物穴盘苗的根系吸收CT造影剂，使根系的密度大于育苗基质的密度，CT扫描时根系与育苗基质的衰减值不同使得生成的断层图面中根与育苗基质灰度存在明显区别，通过对断层图片进行阈值分割将根系从育苗基质中分离出，生成完整性和清晰度较高的根系三维图像。在土壤检测方面，Rachman等的研究表明CT扫描方法所测定的大孔隙度与传统采用土壤持水量推算法所得结果接近；Udawatta等利用CT扫描图像分析方法研究了不同草地恢复方式和农地对土壤孔隙特征的影响，表明草地恢复促进了土壤孔隙如数目、孔隙度、成圆率和分形维数等参数的改善。
偏振成像技术是指利用检测对象表面各点所反射和散射的偏振光进行成像。不同的物体或同一物体的不同状态例如粗糙度、空隙度、含水量、构成材料的理化特性等，会产生由它们自身性质和光学基本定律决定的特征偏振，产生不同的偏振状态，且与波长有密切关系，形成偏振图像。偏振图像具有普通图像和反射光谱所不具备的优点，可以表征一些强度图像和光谱很难表征的信息，如目标表面的微观结构变化、物质内部对入射光的选择性吸收、散射以及物体表面前向反射、后向反射、漫反射特性的变化，具有广泛的军用和民用前景。由于偏振成像技术具有的独特之处，目前已成为世界各国竞相研究的热点。
近年来偏振检测技术发展很快，从单一线偏振探测到现在的全Stokes参数测量。为了回答偏振探测是否具有传统的光度探测所没有的优势，Raven等人对月桂和毛蕊花分别做了偏振特性测量。他们利用激光器在632nm、1064nm进行试验，绘制了月桂、毛蕊的起偏极化半球定向反射曲线，结果表明，不同种类叶子的偏振性质有着显著差异。可利用不同植株的叶片对反射光具有不同的偏振态这一特点，通过偏振遥感手段识别植物种类。Vanderbilt等人对玉米、高粱、大豆、小麦、枫树叶子的研究也指出，反射光的偏振度包含了叶片的表面和里层信息，而其中的非偏振成分可以较好的预测叶片中的水分含量。韩志刚等对羊草和苔草的太阳光偏振反射特性进行了研究，认为偏振测量能够得到一些传统强度测量无法获得的镜面反射特征。赵虎等对土壤的多角度偏振特性进行了研究，结果表明，土壤偏振特性受土壤水分含量的强烈影响。
综上所述，micro-CT技术因具有成像速度快、非接触非破坏性测定、可三维重建、可实现内外微观结构的精确可视化探测等优点，可以用于由于检测对象微观形态差异的精确分析，但是番茄水分胁迫不仅仅表现在叶片、茎秆、根系内部组织的微观形态变化上，还体现在其在其胁迫导致的高光谱反射特征和偏振态特征上，本发明创新提出通过融合micro-CT、偏振-高光谱图像技术通过对宏观微观组织结构形态特征和水分胁迫的特征高光谱图像及偏振分布特征实现对植株水分胁迫的精确定量分析，通过对植株内外结构、地上地下、宏观微观形态特征与水分胁迫下特征波长图像、偏振态的相互融合，优势互补，实现对番茄水分胁迫的定量诊断，属于原创性方法，国内外未见报道。
发明内容
本发明的目的在于提供一种基于micro-CT和偏振-高光谱多特征融合的苗期番茄的水分胁迫检测方法，以实现对苗期番茄水分胁迫状态的快速无损精确探测，为设施水肥的科学管理提供依据。
为了解决以上技术问题，本发明采用的具体技术方案如下：
一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法，其特征在于，包括如下步骤：
步骤一，采取标准营养液配方，利用珍珠岩作为基质，采用无土栽培定植番茄，采用温室标准化管理方式进行管理，保证番茄营养元素和水分的正常供给；
步骤二，定植一周后，在营养元素不变的条件下，对番茄进行三天不同级别的水分胁迫样本培育；
步骤三，对水分胁迫番茄样本进行水分胁迫的连续跟踪检测，进行micro-CT检测及采集micro-CT特征参数，获取植株叶片和茎秆的气孔尺度密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构，以及根系体积和主根、根毛密度及分布参数；进行偏振-高光谱图像及采集偏振-高光谱图像特征参数，获取植株冠幅、株高、叶倾角图像，1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积，以及水分胁迫植株样本0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的冠层的偏振态、stock向量、穆勒矩阵变量；
步骤四，进行常规理化检测：利用干湿重法测定植株的含水率；采用扫描电镜和显微成像技术，获取植株的气孔和纤毛密度，以及海绵体和栅栏组织厚度，维管束分布密度和管径等的实测值；称量样本的干湿重，确定植株的含水率真值；
步骤五，对步骤三提取的micro-CT的特征变量和偏振-高光谱图像特征变量进行归一化处理，使其特征值范围统一在0-1之间；
步骤六，对步骤五提取的归一化特征参数，利用主成分分析，结合分段逐步回归法进行特征降维和优化，以相关性和独立性为原则，在显著性水平α＝0.005时，当变量进入时模型的F>4.14则保留，变量回判时模型的F<2.91则剔除，同时保证R2>0.9，以获取相关性最大，多重共线性最小，相对检测误差最小为优化原则，进行特征寻优，获取最优化的特征变量作为植株水分胁迫诊断的特征变量；
步骤七，利用SVR支持向量机回归法进行特征层融合，建立基于micro-CT系统获取的气孔、海绵体、栅栏组织、纤毛、维管束、根系体积、主根和根毛密度特征变量，以及基于偏振-高光谱图像系统获取的冠幅、株高、叶倾角、1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积；0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的偏振态、stock向量、穆勒矩阵变量特征变量多特征融合水分胁迫精确定量检测模型；
步骤八，按照步骤三采集番茄micro-CT图像和偏振高光谱图像特征变量采集，利用步骤七所建立的多特征融合水分胁迫精确定量检测模型，进行温室水分胁迫检测。
进一步的，micro-CT检测及采集micro-CT特征参数的方法为：
①将五个不同水分胁迫水平的番茄样本，依次放入Micro-CT扫描成像系统的样本仓的旋转样本托架上，通过控制计算机启动Micro-CT扫描成像系统，顺序进行扫描，获得各个样本的CT剖面；
②利用IPL软件，进行样本断层图片的边界和轮廓选取；
③选取不同断层切面进行图像分析，根据断层图片中目标灰阶的不同，调节高、低阈值，选定目标阈值范围，并二值化番茄样本目标的断层图像；
④利用IPL软件结合图像分析，获取植株叶片和茎秆的气孔尺度密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构等特征参数；
⑤基于选择的边界和阈值，剥离珍珠岩基质，生成根系三维图像，执行IPL语言导出根系体积和主根、根毛密度及分布参数。
进一步的，偏振-高光谱检测检测及采集偏振-高光谱检测特征参数的方法为：
①将样本置于偏振-高光谱成像系统的双坐标样本台上，设置可见光-近红外光源系统11的波长范围300-2200nm和光强范围为0-6500lux；
②利用具有前置偏振滤光片的两台高光谱成像系统，设置偏振片的采样偏振角分别为：0°、45°、90°、135°、180°；高光谱前置滤光片透过波长为1450nm，分别在水平平面方向和垂直面方向上，进行推帚式的扫描成像，获取植株主视和俯视方向的偏振-高光谱特征图像；
③通过坐标匹配和主视/俯视特征图像融合，提取水分胁迫样本的主视和俯视视场下的高光谱特征图像，提取植株冠幅、株高、叶倾角图像；
④基于前置1450nm滤光片，提取特征波长下的冠层高光谱特征图像，提取叶面的1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积等特征参数；
⑤基于获取的0°、45°、90°、135°、180°特征偏振角的1450nm的偏振高光谱图像，提取水分胁迫植株样本冠层的偏振态、stock向量、穆勒矩阵变量。
所述基于micro-CT和偏振-高光谱多特征融合的苗期番茄的水分胁迫检测方法，所使用的micro-CT扫描成像系统，其旋转样本托架通过底座四角的螺钉固定在检测样本仓的底部，旋转样本托架底座的几何中心安装有旋转轴，旋转轴末端安装固定有圆形样本托架，检测时旋转轴带动旋转样本托架进行100°旋转，同时固定在发射仓中部的X射线发射器通过仰俯动作实现对样本的断层切片扫描过程。
所述基于micro-CT和偏振-高光谱多特征融合的苗期番茄的水分胁迫检测方法，所使用的偏振-高光谱成像系统包括控制系统、双坐标样本台、图像采集系统、光源系统，
其中所述图像采集系统包括两个偏振-高光谱成像系统、图像采集器、立臂和悬臂；所述立臂由第一底座、带丝杠的立杆和第一滑块组成，第一底座通过螺钉固定在光箱的底部的左侧，第一底座上部通过铰链与立杆连接，立杆能够以铰链为中心做左右摆动，完成成像设备的空间位置调整；立杆上安装有第一滑块；第一偏振-高光谱成像系统安装在第一滑块上，第一滑块能够由丝杠驱动沿立杆上下移动，带动第一偏振-高光谱成像系统寻找最佳检测位，实现主视方向的偏振高光谱图像信息的采集；
所述悬臂由第二底座、带丝杠的横杆和第二滑块组成，第二底座通过螺钉固定在光箱的右侧板的上部，第二底座通过铰链与横杆连接，横杆能够以铰链为中心做上下摆动，完成成像设备的空间位置调整；横杆上安装有第二滑块，第二偏振-高光谱成像系统安装在第二滑块上，第二滑块能够由丝杠驱动沿横杆沿水平方向左右移动，带动第二偏振-高光谱成像系统寻找最佳检测位，实现俯视方向的偏振高光谱图像信息的采集；
其中所述光源系统由可见光-近红外光源、云台组成，在立杆的底端和顶端、立杆的右端和左端分别安装一个云台，每个云台上分别安装可见光-近红外光源，可见光-近红外光源能够通过云台进行仰俯角设置，实现对植株的清晰匀光成像；
所述双坐标样本台固定在光箱的底平面的几何中心位置，其中为水平丝杠，位垂直丝杠，垂直丝杠顶端安装有样本托架，用于安放待测样本，通过水平丝杠和垂直丝杠的运动，可以带动样本托架实现水平和垂直方向的匀速位移，可以配合图像采集控制系统实现推帚式的偏振-高光谱成像系统和偏振-高光谱成像系统的扫描成像；
其中所述偏振-高光谱成像系统由前到后分别由前置偏振片、偏振片驱动装置、前置滤光片、滤光片切换装置、摄谱仪和成像系统组成，偏振片在整个系统的最前端，由偏振驱动装置驱动100°旋转，可实现对任意偏振角的设定，摄谱仪和成像系统可实现偏振角的设定和步序偏振信息的采集；偏振片后为560nm和1450nm窄带滤光片，滤光片采用转轮切换的方式，配合摄谱仪和成像系统实现对作物样本主视和俯视高光谱营养和水分胁迫特征图像的采集；
所述控制系统包括控制计算机、光源控制器、图像采集器和运动控制器；
其中光源控制器连接可见光-近红外光源，实现不同光强和光质的光源控制；
图像采集器连接两个偏振-高光谱成像系统和控制计算机，由控制计算机发出指令，实现对主视和俯视偏振-高光谱成像系统的成像信息采集和分析；
运动控制器连接双坐标样本台、立臂、悬臂和云台；同时，运动控制器与控制计算机相连，由控制计算机发出指令，实现对双坐标样本台的升降和水平位移控制，对立臂、悬臂的滑块驱动控制，以及云台的仰俯角控制。
本发明具有有益效果。
1、本发明通知采用micro-CT扫描番茄水分胁迫气孔、海绵体、栅栏组织、纤毛、维管束、根系体积、主根和根毛密度等特征变量的微观形态特征，利用双位偏振-高光谱成像系统，获取水分胁迫的冠幅、株高、叶倾角等宏观形态特征，以及1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积和0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的偏振态、stock向量、穆勒矩阵变量等特征变量多特征等宏观长势形态特征，融合作物水分胁迫的通过对植株内外结构、地上地下、宏观微观形态特征与水分胁迫下的特征波长图像、偏振态的相互融合，优势互补，实现对番茄水分胁迫特征的全面精确提取和精确定量分析，为温室水肥和环境的科学管控提供了科学依据。
2、本发明同时创新采用micro-CT获取番茄水分胁迫的微尺度信息，提取了水分胁迫的气孔、海绵体、栅栏组织、纤毛、维管束、根系体积、主根和根毛密度等特征变量的微观形态特征和地上地下部特征，首次实现了基于番茄微尺度特征的水分胁迫诊断。相较于传统的水分胁迫特征提取和诊断方法，大幅提高了微观形态水分胁迫特征的检测精度。
3、本发明同时创新采用偏振-高光谱成像检测技术，获取水分胁迫番茄植株的不同视场和偏振角条件下的偏振-高光谱图像信息，实现了冠层面积、株高、叶倾角等宏观形态，以及1450nm敏感波长下，特征入射检测角的植株的偏振-高光谱反射图像特征，反映水分胁迫的对内部组织结构及其反射和偏振特性的影响，实现了植株水分胁迫宏观形态和敏感波长下多维图像特征的精确提取，大幅提高了基于宏观特征的检测精度。
附图说明
图1是本发明采用micro-CT扫描成像系统的结构示意图。
图2是本发明偏振-高光谱成像系统的结构示意图。
图3是本发明所述基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法流程图。
图中：1.旋转样本托架；2.样本；3.X射线发射器；4.计算机；6.双坐标样本台；7.立臂，7-1.第一底座，7-2立杆，7-3.第一滑块；8.悬臂，8-1.第二底座，8-2.悬杆，8-3.第二滑块；9.偏振-高光谱成像系统，9-1.第一偏振-高光谱成像仪，9-2.第二偏振-高光谱成像仪；10.云台；11.可见光-近红外光源；12.运动控制器；13.图像采集器；14.光源控制器；15.控制计算机。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
本发明所述的基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法，利用附图1所示的micro-CT扫描成像系统和附图2所示的偏振-高光谱成像系统进行信息采集。
其中micro-CT扫描成像系统，如图1所示，旋转样本托架1通过其底座四角的螺钉固定在检测样本仓的底部，旋转样本托架1底座的几何中心安装有旋转轴，旋转轴末端安装固定有圆形样本托架，检测时旋转轴带动旋转样本托架1进行360°旋转，同时固定在发射仓中部的X射线发射器3通过仰俯动作实现对样本的断层切片扫描过程。
附图2为本发明申请的为了进行样本采集而设计的偏振-高光谱图像检测系统，该系统包括控制系统、双坐标样本台6、图像采集系统、光源系统。
其中所述图像采集系统包括两个偏振-高光谱成像系统9、图像采集器12、立臂7和悬臂8；所述立臂7由第一底座7-1、带丝杠的立杆7-2和第一滑块7-3组成，第一底座7-1通过螺钉固定在光箱16的底部的左侧，第一底座7-1上部通过铰链与立杆7-2连接，立杆7-2能够以铰链为中心做左右摆动，完成成像设备的空间位置调整；立杆7-2上安装有第一滑块7-3；第一偏振-高光谱成像系统9-1安装在第一滑块7-3上，第一滑块7-3能够由丝杠驱动沿立杆7-2上下移动，带动第一偏振-高光谱成像系统9-1寻找最佳检测位，实现主视方向的偏振高光谱图像信息的采集；
所述悬臂8由第二底座8-1、带丝杠的横杆8-2和第二滑块8-3组成，第二底座8-1通过螺钉固定在光箱16的右侧板的上部，第二底座8-1通过铰链与横杆8-2连接，横杆8-2能够以铰链为中心做上下摆动，完成成像设备的空间位置调整；横杆8-2上安装有第二滑块8-3，第二偏振-高光谱成像系统9-2安装在第二滑块8-3上，第二滑块8-3能够由丝杠驱动沿横杆8-2沿水平方向左右移动，带动第二偏振-高光谱成像系统9-2寻找最佳检测位，实现俯视方向的偏振高光谱图像信息的采集；
其中所述光源系统由可见光-近红外光源11、云台10组成，在立杆7-2的底端和顶端、立杆8-2的右端和左端分别安装一个云台10，每个云台10上分别安装可见光-近红外光源11，可见光-近红外光源11能够通过云台10进行仰俯角设置，实现对植株的清晰匀光成像；
所述双坐标样本台6固定在光箱16的底平面的几何中心位置，其中6-1为水平丝杠，6-2位垂直丝杠，垂直丝杠6-2顶端安装有样本托架，用于安放待测样本5，通过水平丝杠6-1和垂直丝杠6-2的运动，可以带动样本托架实现水平和垂直方向的匀速位移，可以配合图像采集控制系统实现推帚式的偏振-高光谱成像系统9-1和偏振-高光谱成像系统9-2的扫描成像；
其中所述偏振-高光谱成像系统9由前到后分别由前置偏振片、偏振片驱动装置、前置滤光片、滤光片切换装置、摄谱仪和成像系统组成，偏振片在整个系统的最前端，由偏振驱动装置驱动100°旋转，可实现对任意偏振角的设定，摄谱仪和成像系统可实现偏振角的设定和步序偏振信息的采集；偏振片后为560nm和1450nm窄带滤光片，滤光片采用转轮切换的方式，配合摄谱仪和成像系统实现对作物样本主视和俯视高光谱营养和水分胁迫特征图像的采集；
所述控制系统包括控制计算机15、光源控制器14、图像采集器13和运动控制器12；
其中光源控制器14连接可见光-近红外光源11，实现不同光强和光质的光源控制；
图像采集器13连接两个偏振-高光谱成像系统9和控制计算机15，由控制计算机15发出指令，实现对主视和俯视偏振-高光谱成像系统9的成像信息采集和分析；
运动控制器12连接双坐标样本台6、立臂7、悬臂8和云台10；同时，运动控制器12与控制计算机15相连，由控制计算机15发出指令，实现对双坐标样本台6的升降和水平位移控制，对立臂7、悬臂8的滑块驱动控制，以及云台10的仰俯角控制。
本发明所述的基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法，如图3所示，具体包含以下步骤：
步骤一，采取标准营养液配方，利用珍珠岩作为基质，采用无土栽培定植番茄，采用温室标准化管理方式进行管理，保证番茄营养元素和水分的正常供给；
步骤二，定植一周后，在营养元素不变的条件下，将水分供应量按照标准供应量的100％、80％、60％、40％和20％分成五个不同的水平，每个水平20个样本，进行水分胁迫样本培育；
步骤三，番茄苗期样本水分胁迫三天后，依次进行样本的micro-CT、偏振-高光谱图像的多信息采集，按照以下步骤进行：
1、micro-CT检测步骤：
①将五个不同水分胁迫水平的番茄样本2，依次放入Micro-CT扫描系统的样本仓的旋转样本托架1上，通过控制计算机4启动Micro-CT扫描系统，顺序进行扫描，获得各个样本的CT剖面；
②利用IPL软件，进行样本断层图片的边界和轮廓选取；
③选取不同断层切面进行图像分析，根据断层图片中目标灰阶的不同，调节高、低阈值，选定目标阈值范围，并二值化番茄样本目标的断层图像；
④利用IPL软件结合图像分析，获取植株叶片和茎秆的气孔尺度密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构等特征参数；
⑤基于选择的边界和阈值，剥离珍珠岩基质，生成根系三维图像，执行IPL语言导出根系体积和主根、根毛密度及分布参数。
2、偏振-高光谱检测步骤：
获取micro-CT的扫描图像并完成特征提取后，依次取出样本进行偏振-高光谱图像扫描：
①将样本置于偏振-高光谱成像系统的双坐标样本台6上，设置可见光-近红外光源系统11的波长范围300-2200nm和光强范围为0-6500lux；
②利用具有前置偏振滤光片的两台高光谱成像系统9-1和9-2，设置偏振片的采样偏振角分别为：0°、45°、90°、135°、180°；高光谱前置滤光片透过波长为1450nm，分别在水平平面方向和垂直面方向上，进行推帚式的扫描成像，获取植株主视和俯视方向的偏振-高光谱特征图像；
③通过坐标匹配和主视/俯视特征图像融合，提取水分胁迫样本的主视和俯视视场下的高光谱特征图像，提取植株冠幅、株高、叶倾角图像；
④基于前置1450nm滤光片，提取特征波长下的冠层高光谱特征图像，提取叶面的1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积等特征参数；
⑤基于获取的0°、45°、90°、135°、180°特征偏振角的1450nm的偏振高光谱图像，提取水分胁迫植株样本冠层的偏振态、stock向量、穆勒矩阵变量。
步骤四，进行常规理化检测：利用干湿重法测定植株的含水率；采用扫描电镜和显微成像技术，获取植株的气孔和纤毛密度，以及海绵体和栅栏组织厚度，维管束分布密度和管径等的实测值；称量样本的干湿重，确定植株的含水率真值；
步骤五，对步骤三提取的micro-CT的特征变量和偏振-高光谱图像特征变量进行归一化处理，使其特征值范围统一在0-1之间；
步骤六，对提取的归一化特征参数，利用主成分分析，结合分段逐步回归法进行特征降维和优化，以相关性和独立性为原则，在显著性水平α＝0.005时，当变量进入时模型的F>4.14则保留，变量回判时模型的F<2.91则剔除，同时保证R2>0.9，以获取相关性最大，多重共线性最小，相对检测误差最小为优化原则，进行特征寻优，获取最优化的特征变量作为植株水分胁迫诊断的特征变量；
步骤七，利用SVR支持向量机回归法进行特征层融合，建立基于micro-CT系统获取的气孔、海绵体、栅栏组织、纤毛、维管束、根系体积、主根和根毛密度等特征变量，以及基于偏振-高光谱图像系统获取的冠幅、株高、叶倾角、1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积；0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的偏振态、stock向量、穆勒矩阵变量等特征变量多特征融合水分胁迫精确定量检测模型；
步骤八，按照步骤三采集番茄micro-CT图像和偏振高光谱图像特征变量采集，利用步骤七所建立的多特征融合水分胁迫精确定量检测模型，进行温室水分胁迫检测；利用检测结果进行水肥和环境的优化控制。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (5)

1.一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法，其特征在于，包括如下步骤：
步骤一，采取标准营养液配方，利用珍珠岩作为基质，采用无土栽培定植番茄，采用温室标准化管理方式进行管理，保证番茄营养元素和水分的正常供给；
步骤二，定植一周后，在营养元素不变的条件下，对番茄进行三天不同级别的水分胁迫样本培育；
步骤三，对水分胁迫番茄样本进行水分胁迫的连续跟踪检测，进行micro-CT检测及采集micro-CT特征参数，获取植株叶片和茎秆的气孔尺度密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构，以及根系体积和主根、根毛密度及分布参数；进行偏振-高光谱图像及采集偏振-高光谱图像特征参数，获取植株冠幅、株高、叶倾角图像，1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积，以及水分胁迫植株样本0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的冠层的偏振态、stock向量、穆勒矩阵变量；
步骤四，进行常规理化检测：利用干湿重法测定植株的含水率；采用扫描电镜和显微成像技术，获取植株的气孔和纤毛密度，以及海绵体和栅栏组织厚度，维管束分布密度和管径等的实测值；称量样本的干湿重，确定植株的含水率真值；
步骤五，对步骤三提取的micro-CT的特征变量和偏振-高光谱图像特征变量进行归一化处理，使其特征值范围统一在0-1之间；
步骤六，对步骤五提取的归一化特征参数，利用主成分分析，结合分段逐步回归法进行特征降维和优化，以相关性和独立性为原则，在显著性水平α＝0.005时，当变量进入时模型的F>4.14则保留，变量回判时模型的F<2.91则剔除，同时保证R2>0.9，以获取相关性最大，多重共线性最小，相对检测误差最小为优化原则，进行特征寻优，获取最优化的特征变量作为植株水分胁迫诊断的特征变量；
步骤七，利用SVR支持向量机回归法进行特征层融合，建立基于micro-CT系统获取的气孔、海绵体、栅栏组织、纤毛、维管束、根系体积、主根和根毛密度特征变量，以及基于偏振-高光谱图像系统获取的冠幅、株高、叶倾角、1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积；0°、45°、90°、135°、180°特征偏振角下1450nm特征图像的偏振态、stock向量、穆勒矩阵变量特征变量多特征融合水分胁迫精确定量检测模型；
步骤八，按照步骤三采集番茄micro-CT图像和偏振高光谱图像特征变量采集，利用步骤七所建立的多特征融合水分胁迫精确定量检测模型，进行温室水分胁迫检测。
2.根据权利要求1所述的基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法，其特征在于，micro-CT检测及采集micro-CT特征参数的方法为：
①将五个不同水分胁迫水平的番茄样本，依次放入Micro-CT扫描成像系统的样本仓的旋转样本托架(1)上，通过计算机(15)启动Micro-CT扫描成像系统，顺序进行扫描，获得各个样本的CT剖面；
②利用IPL软件，进行样本断层图片的边界和轮廓选取；
③选取不同断层切面进行图像分析，根据断层图片中目标灰阶的不同，调节高、低阈值，选定目标阈值范围，并二值化番茄样本目标的断层图像；
④利用IPL软件结合图像分析，获取植株叶片和茎秆的气孔尺度密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构等特征参数；
⑤基于选择的边界和阈值，剥离珍珠岩基质，生成根系三维图像，执行IPL语言导出根系体积和主根、根毛密度及分布参数。
3.根据权利要求1所述的基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法，其特征在于，偏振-高光谱检测检测及采集偏振-高光谱检测特征参数的方法为：
①将样本置于偏振-高光谱成像系统的双坐标样本台(6)上，设置可见光-近红外光源系统11的波长范围300-2200nm和光强范围为0-6500lux；
②利用具有前置偏振滤光片的两台高光谱成像系统(9)，设置偏振片的采样偏振角分别为：0°、45°、90°、135°、180°；高光谱前置滤光片透过波长为1450nm，分别在水平平面方向和垂直面方向上，进行推帚式的扫描成像，获取植株主视和俯视方向的偏振-高光谱特征图像；
③通过坐标匹配和主视/俯视特征图像融合，提取水分胁迫样本的主视和俯视视场下的高光谱特征图像，提取植株冠幅、株高、叶倾角图像；
④基于前置1450nm滤光片，提取特征波长下的冠层高光谱特征图像，提取叶面的1450nm高光谱水分敏感波长下的叶脉分布、平均灰度、叶缘阴影面积等特征参数；
⑤基于获取的0°、45°、90°、135°、180°特征偏振角的1450nm的偏振高光谱图像，提取水分胁迫植株样本冠层的偏振态、stock向量、穆勒矩阵变量。
4.根据权利要求2所述基于micro-CT和偏振-高光谱多特征融合的苗期番茄的水分胁迫检测方法，其特征在于，所使用的micro-CT扫描成像系统，其旋转样本托架(1)通过底座四角的螺钉固定在检测样本仓的底部，旋转样本托架(1)底座的几何中心安装有旋转轴，旋转轴末端安装固定有圆形样本托架，检测时旋转轴带动旋转样本托架(1)进行100°旋转，同时固定在发射仓中部的X射线发射器(3)通过仰俯动作实现对样本的断层切片扫描过程。
5.根据权利要求3所述基于micro-CT和偏振-高光谱多特征融合的苗期番茄的水分胁迫检测方法，其特征在于，所使用的偏振-高光谱成像系统包括控制系统、双坐标样本台(6)、图像采集系统、光源系统，
其中所述图像采集系统包括两个偏振-高光谱成像系统(9)、图像采集器(12)、立臂(7)和悬臂(8)；所述立臂(7)由第一底座(7-1)、带丝杠的立杆(7-2)和第一滑块(7-3)组成，第一底座(7-1)通过螺钉固定在光箱(16)的底部的左侧，第一底座(7-1)上部通过铰链与立杆(7-2)连接，立杆(7-2)能够以铰链为中心做左右摆动，完成成像设备的空间位置调整；立杆(7-2)上安装有第一滑块(7-3)；第一偏振-高光谱成像系统(9-1)安装在第一滑块(7-3)上，第一滑块(7-3)能够由丝杠驱动沿立杆(7-2)上下移动，带动第一偏振-高光谱成像系统(9-1)寻找最佳检测位，实现主视方向的偏振高光谱图像信息的采集；
所述悬臂(8)由第二底座(8-1)、带丝杠的横杆(8-2)和第二滑块(8-3)组成，第二底座(8-1)通过螺钉固定在光箱(16)的右侧板的上部，第二底座(8-1)通过铰链与横杆(8-2)连接，横杆(8-2)能够以铰链为中心做上下摆动，完成成像设备的空间位置调整；横杆(8-2)上安装有第二滑块(8-3)，第二偏振-高光谱成像系统(9-2)安装在第二滑块(8-3)上，第二滑块(8-3)能够由丝杠驱动沿横杆(8-2)沿水平方向左右移动，带动第二偏振-高光谱成像系统(9-2)寻找最佳检测位，实现俯视方向的偏振高光谱图像信息的采集；
其中所述光源系统由可见光-近红外光源(11)、云台(10)组成，在立杆(7-2)的底端和顶端、立杆(8-2)的右端和左端分别安装一个云台(10)，每个云台上分别安装可见光-近红外光源(11)，可见光-近红外光源(11)能够通过云台(10)进行仰俯角设置，实现对植株的清晰匀光成像；
所述双坐标样本台(6)固定在光箱(16)的底平面的几何中心位置，垂直丝杠(6-2)顶端安装有样本托架，用于安放待测样本(5)，通过水平丝杠(6-1)和垂直丝杠(6-2)的运动，可以带动样本托架实现水平和垂直方向的匀速位移，可以配合图像采集控制系统实现推帚式的偏振-高光谱成像系统(9-1)和偏振-高光谱成像系统(9-2)的扫描成像；
其中所述偏振-高光谱成像系统(9)由前到后分别由前置偏振片、偏振片驱动装置、前置滤光片、滤光片切换装置、摄谱仪和成像系统组成，偏振片在整个系统的最前端，由偏振驱动装置驱动100°旋转，可实现对任意偏振角的设定，摄谱仪和成像系统可实现偏振角的设定和步序偏振信息的采集；偏振片后为560nm和1450nm窄带滤光片，滤光片采用转轮切换的方式，配合摄谱仪和成像系统实现对作物样本主视和俯视高光谱营养和水分胁迫特征图像的采集；
所述控制系统包括控制计算机(15)、光源控制器(14)、图像采集器(13)和运动控制器(12)；
其中光源控制器(14)连接可见光-近红外光源(11)，实现不同光强和光质的光源控制；
图像采集器(13)连接两个偏振-高光谱成像系统(9)和控制计算机(15)，由控制计算机(15)发出指令，实现对主视和俯视偏振-高光谱成像系统(9)的成像信息采集和分析；
运动控制器(12)连接双坐标样本台(6)、立臂(7)、悬臂(8)和云台(10)；同时，运动控制器(12)与控制计算机(15)相连，由控制计算机(15)发出指令，实现对双坐标样本台(6)的升降和水平位移控制，对立臂(7)、悬臂(8)的滑块驱动控制，以及云台(10)的仰俯角控制。
CN201711269627.7A 2017-12-05 2017-12-05 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法 Active CN108254396B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711269627.7A CN108254396B (zh) 2017-12-05 2017-12-05 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法
US16/646,351 US11436824B2 (en) 2017-12-05 2017-12-19 Water stress detection method for tomatoes in seedling stage based on micro-CT and polarization-hyperspectral imaging multi-feature fusion
PCT/CN2017/117189 WO2019109383A1 (zh) 2017-12-05 2017-12-19 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711269627.7A CN108254396B (zh) 2017-12-05 2017-12-05 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法

Publications (2)

Publication Number Publication Date
CN108254396A true CN108254396A (zh) 2018-07-06
CN108254396B CN108254396B (zh) 2019-12-03

Family

ID=62721019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711269627.7A Active CN108254396B (zh) 2017-12-05 2017-12-05 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法

Country Status (3)

Country Link
US (1) US11436824B2 (zh)
CN (1) CN108254396B (zh)
WO (1) WO2019109383A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827910A (zh) * 2019-01-22 2019-05-31 塔里木大学 一种建立果园数据快速监测处理方法
CN109900672A (zh) * 2019-04-02 2019-06-18 中国人民解放军战略支援部队航天工程大学 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法
CN110896836A (zh) * 2019-11-13 2020-03-24 北京农业智能装备技术研究中心 一种无土栽培营养液管控方法及系统
CN111474120A (zh) * 2019-12-09 2020-07-31 北京理工大学 一种在细胞层面偏振成像的辅助性癌症诊断方法
CN112058701A (zh) * 2020-08-28 2020-12-11 河海大学常州校区 基于偏振成像的煤与煤矸石分拣系统及方法
JP2021087382A (ja) * 2019-12-04 2021-06-10 国立研究開発法人農業・食品産業技術総合研究機構 植物の乾燥ストレス診断方法
US20210358160A1 (en) * 2020-05-18 2021-11-18 Zhejiang University Method and system for determining plant leaf surface roughness
CN114264605A (zh) * 2021-12-20 2022-04-01 武汉谷丰光电科技有限公司 一种手持式作物气孔微观表型参数检测装置
CN116518878A (zh) * 2023-06-29 2023-08-01 海南大学三亚研究院 基于双模式成像的高效4d重建方法及高效4d重建系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242925B (zh) * 2020-01-13 2023-08-29 北京妙医佳健康科技集团有限公司 针对ct影像数据的目标检测方法、装置及电子设备
CN111680258B (zh) * 2020-07-01 2023-10-13 中国农业科学院农业信息研究所 监测作物涝渍胁迫程度的方法、装置、设备及存储介质
CN112595714B (zh) * 2020-11-26 2022-12-06 中国农业科学院农业资源与农业区划研究所 一种基于手机图像解析的烟草营养状态判别方法
CN112557325B (zh) * 2020-12-08 2024-07-23 塔里木大学 一种果树果品品质近地面遥感监测装置和方法
CN114277179A (zh) * 2022-01-04 2022-04-05 东北农业大学 与番茄叶夹角大小紧密连锁的scar标记及其应用
FR3134270B3 (fr) * 2022-04-05 2024-04-19 Konatic Procédé de rectification de la luminosité d’une image numérique
CN115015132A (zh) * 2022-06-01 2022-09-06 南京农业大学 一种基于数据融合的冬小麦水分状况监测方法
CN115841470B (zh) * 2022-12-05 2023-08-11 中国科学院合肥物质科学研究院 一种基于根际的雾培番茄水分胁迫估算方法
CN117455970B (zh) * 2023-12-22 2024-05-10 山东科技大学 基于特征融合的机载激光测深与多光谱卫星影像配准方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007129648A1 (ja) * 2006-05-02 2007-11-15 Yamaguchi University 植物葉の水分ストレスを推定する方法、植物葉の水分ストレスを推定するための装置及び植物葉の水分ストレスを推定するためのプログラム
WO2010072876A1 (es) * 2008-12-23 2010-07-01 Consejo Superior De Investigaciones Científicas (Csic) Método de caracterización de vegetación
CN103018179A (zh) * 2012-12-11 2013-04-03 江苏大学 一种作物水分胁迫的近红外偏振超光谱成像检测装置和方法
CN104198396A (zh) * 2014-07-30 2014-12-10 江苏大学 偏振-高光谱技术诊断作物氮磷钾亏缺的方法
CN104457843A (zh) * 2014-11-10 2015-03-25 江苏大学 导轨式设施番茄长势双位自动巡航成像检测装置及其检测方法
CN105869187A (zh) * 2016-04-12 2016-08-17 江苏大学 基于Micro-CT的穴盘苗夹取结构损伤行为检测方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102384767B (zh) 2011-11-17 2014-03-12 江苏大学 一种设施作物生长信息无损检测装置和方法
CN104697943B (zh) 2014-11-10 2017-12-05 江苏大学 一种油菜水分胁迫的无损检测方法
CN105628466A (zh) * 2015-12-24 2016-06-01 北京农业信息技术研究中心 玉米茎秆Micro-CT扫描样品及其制备方法与应用
CN106706682B (zh) * 2016-12-30 2019-05-31 江苏大学 一种用于作物穴盘苗ct扫描根系三维重构成像的育苗方法
CN106885812B (zh) * 2017-03-28 2020-07-31 江苏大学 一种基于ct技术的作物幼苗苗钵破损检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007129648A1 (ja) * 2006-05-02 2007-11-15 Yamaguchi University 植物葉の水分ストレスを推定する方法、植物葉の水分ストレスを推定するための装置及び植物葉の水分ストレスを推定するためのプログラム
WO2010072876A1 (es) * 2008-12-23 2010-07-01 Consejo Superior De Investigaciones Científicas (Csic) Método de caracterización de vegetación
CN103018179A (zh) * 2012-12-11 2013-04-03 江苏大学 一种作物水分胁迫的近红外偏振超光谱成像检测装置和方法
CN104198396A (zh) * 2014-07-30 2014-12-10 江苏大学 偏振-高光谱技术诊断作物氮磷钾亏缺的方法
CN104457843A (zh) * 2014-11-10 2015-03-25 江苏大学 导轨式设施番茄长势双位自动巡航成像检测装置及其检测方法
CN105869187A (zh) * 2016-04-12 2016-08-17 江苏大学 基于Micro-CT的穴盘苗夹取结构损伤行为检测方法和装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827910B (zh) * 2019-01-22 2021-05-04 塔里木大学 一种建立果园数据快速监测处理方法
CN109827910A (zh) * 2019-01-22 2019-05-31 塔里木大学 一种建立果园数据快速监测处理方法
CN109900672A (zh) * 2019-04-02 2019-06-18 中国人民解放军战略支援部队航天工程大学 一种利用高光谱遥感分离阴叶和阳叶叶绿素荧光的方法
CN110896836A (zh) * 2019-11-13 2020-03-24 北京农业智能装备技术研究中心 一种无土栽培营养液管控方法及系统
CN110896836B (zh) * 2019-11-13 2021-04-06 北京农业智能装备技术研究中心 一种无土栽培营养液管控方法及系统
JP7385880B2 (ja) 2019-12-04 2023-11-24 国立研究開発法人農業・食品産業技術総合研究機構 植物の乾燥ストレス診断方法
JP2021087382A (ja) * 2019-12-04 2021-06-10 国立研究開発法人農業・食品産業技術総合研究機構 植物の乾燥ストレス診断方法
CN111474120A (zh) * 2019-12-09 2020-07-31 北京理工大学 一种在细胞层面偏振成像的辅助性癌症诊断方法
CN111474120B (zh) * 2019-12-09 2021-04-06 北京理工大学 未脱蜡-非染色切片上细胞的偏振成像检测方法
US20210358160A1 (en) * 2020-05-18 2021-11-18 Zhejiang University Method and system for determining plant leaf surface roughness
US11880994B2 (en) * 2020-05-18 2024-01-23 Zhejiang University Method and system for determining plant leaf surface roughness
CN112058701A (zh) * 2020-08-28 2020-12-11 河海大学常州校区 基于偏振成像的煤与煤矸石分拣系统及方法
CN114264605A (zh) * 2021-12-20 2022-04-01 武汉谷丰光电科技有限公司 一种手持式作物气孔微观表型参数检测装置
CN116518878A (zh) * 2023-06-29 2023-08-01 海南大学三亚研究院 基于双模式成像的高效4d重建方法及高效4d重建系统
CN116518878B (zh) * 2023-06-29 2023-10-10 海南大学 基于双模式成像的高效4d重建方法及高效4d重建系统

Also Published As

Publication number Publication date
CN108254396B (zh) 2019-12-03
WO2019109383A1 (zh) 2019-06-13
US11436824B2 (en) 2022-09-06
US20200272817A1 (en) 2020-08-27

Similar Documents

Publication Publication Date Title
CN108254396B (zh) 一种基于micro-CT和偏振-高光谱成像多特征融合的番茄苗期水分胁迫检测方法
CN108323295B (zh) 一种基于多尺度生境信息的苗期作物水肥检测和控制方法及装置
Guo et al. Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping
CN102384767B (zh) 一种设施作物生长信息无损检测装置和方法
JP4849755B2 (ja) イメージング装置および試料分析方法
JP6489604B2 (ja) 植物群落構造解析システム
CN111693551B (zh) 一种水稻植株及根系三维性状无损测量装置及方法
CN100457040C (zh) 同步辐射x射线相位衬度ct成像装置及实验方法
US11209407B2 (en) System for detection and analysis of fibrous root system architecture of plant
CN102384892A (zh) 基于偏振光谱技术的作物营养水平快速诊断装置和方法
CN101608997B (zh) 空间二维光谱数据采集装置及采集方法
CN103018196A (zh) 一种油菜需水信息的快速探测方法
CN108519346A (zh) 红外热像与近红外光谱结合检测潜育期番茄花叶病的方法
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
CN108064531A (zh) 一种轻简化温室水肥灌施装置
CN107677621A (zh) 多光谱光学技术融合的测温装置
CN103278503A (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
RU2726257C1 (ru) Установка для автоматического измерения параметров растений
Ma et al. A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud
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
CN105628466A (zh) 玉米茎秆Micro-CT扫描样品及其制备方法与应用
CN108209877A (zh) 一种人体头皮和毛发信息的采集方法及装置
CN208537025U (zh) 一种植物照明测试系统
Zhu et al. Quantitative analysis of 3-dimensional root architecture based on image reconstruction and its application to research on phosphorus uptake in soybean
CN104457842A (zh) 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Gao Hongyan

Inventor after: Sun Hongwei

Inventor after: Zhang Xuewei

Inventor after: Mao Hanping

Inventor after: Zhang Hongtao

Inventor after: Zuo Zhiyu

Inventor after: Zhang Xiaodong

Inventor after: Ni Jiheng

Inventor after: Zhang Yixue

Inventor after: Zhang Fang

Inventor before: Zhang Xiaodong

Inventor before: Sun Hongwei

Inventor before: Zhang Xuewei

Inventor before: Mao Hanping

Inventor before: Zhang Hongtao

Inventor before: Zuo Zhiyu

Inventor before: Gao Hongyan

Inventor before: Ni Jiheng

Inventor before: Zhang Yixue

Inventor before: Zhang Fang