CN108323295B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108323295B CN108323295B CN201711269626.2A CN201711269626A CN108323295B CN 108323295 B CN108323295 B CN 108323295B CN 201711269626 A CN201711269626 A CN 201711269626A CN 108323295 B CN108323295 B CN 108323295B
- Authority
- CN
- China
- Prior art keywords
- polarization
- sample
- information
- crop
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了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,基于作物冠层尺度的三维激光扫描信息、叶片尺度的偏振‑高光谱成像信息、微尺度的micro‑CT扫描信息,对作物水肥胁迫的多尺度特征进行融合分析,结合作物生长温室内的温度、湿度、光照和基质含水率的实时反馈,通过多信息融合建模,实现对作物水肥胁迫和需水需肥信息的综合判断和反馈,并给出了施肥灌溉量的决策信息。基于水肥决策信息,水肥控制系统基于变频调速技术和管道恒压控制技术,通过动态控制灌溉泵和施肥泵的转速,控制管路压力、施肥流量,结合EC值的动态反馈,实现液肥配比和灌溉量精确控制。
Description
技术领域
本发明属于设施农业生物信息探测技术领域,涉及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。
背景技术
我国设施面积已达410万公顷,但适用于日光温室、钢架大棚的水肥一体化技术装备研究较少,大型现代化温室采用的进口水肥灌施系统能够实现多路肥料的精确混合施用和科学管理,但是通常体积较大,操作和管理复杂,价格也较高,不适合普通农户。而国产小型施肥系统,水肥管理粗放,尤其是缺少作物营养、水分需求信息,因此不能做到按需施肥灌溉、不能达到节水节肥的目的,且大多没有混肥搅拌和沉积排出装置,易发生沉积和堵塞,故障率较高。
中小农户的水肥一体化装备大多为简易型手持式的灌施装置,水肥一体化滴灌系统普及率较低。而普遍使用的手持式灌施装置不仅管理粗放,造成水肥资源的严重浪费和面源污染,且浪费大量的人力,劳动效率低下,由于设施肥水施用频繁,设施果蔬基本上每隔三四天就需要进行灌施作业,10亩大棚每次作业需要1-2天/人,导致人力和用工成本较高,设施种植的经济效益较差。
针对目前中小农户日光温室生产水肥灌施自动化程度低,水肥不能精确按需调控,以及大水大肥造成的农产品品质下降和面源污染等问题,本发明申请开发了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,能依据温室环境和作物信息控制水肥灌溉时机、灌溉量;针对日光温室种植农艺要求,研发轻简化水肥灌施装置,使之更加低成本和实用化,提高日光温室肥水的利用率及降低人工劳动强度,有助于精确农业实现高效、持续、集约的发展。
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,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,本发明利用三维扫描成像和micro-CT扫描成像融合对植株的营养和水分胁迫导致的内外宏观和微观形态差异进行精确表型,利用偏振-高光谱成像技术则能够对作物表观颜色纹理偏振态等营养水分胁迫的差异进行探测,结合土壤含水率和环境温湿度光照信息的探测,通过不同尺度的内外特征的融合互补能够实现对作物营养水分胁迫的精确探测,并以此为依据进行水肥灌施的决策控制,对提高中小农户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。
发明内容
本发明的目的在于提供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,以实现对苗期作物水肥胁迫状态的快速无损精确探测和水肥决策,为设施水肥的科学管理提供依据。
本发明是通过以下技术手段实现上述技术目的的。
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,其特征在于,包括如下步骤:
(1)采取标准营养液配方,利用珍珠岩作为培养基质,采用无土栽培定植温室蔬菜作物,采用温室标准化管理方式进行管理,保证苗期作物营养元素和水分的正常供给;
(2)选取定植一周后的植株分别进行水分胁迫、氮素胁迫样本培育;
(3)苗期样本水分胁迫、营养胁迫分别在胁迫后通过微尺度的micro-CT、叶片尺度的偏振-高光谱成像扫描、冠层尺度的植株冠层三维扫描成像进行植株生长状态的连续检测与信息采集,同时获取植株生长环境信息;
(4)进行常规理化检测:称量样本的干湿重,确定植株的含水率真值;用凯氏定氮法测定样品全氮含量;采用扫描电镜和超景深3D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,纤维管束分布密度和管径实测值;
(5)对步骤(3)提取的micro-CT的特征变量、偏振-高光谱图像特征变量和三维扫描成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;
(6)对步骤(5)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>4.35则保留,变量回判时模型的F<2.95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、氮素胁迫诊断的特征变量;
(7)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、560nm和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,560nm和1450nm特征图像的偏振态、stock向量、穆勒矩阵变量,以及三维激光扫描的植株体积、叶面积、茎粗特征变量多特征融合氮素和水分胁迫精确定量检测模型,并将多特征融合氮素和水分胁迫精确定量检测模型输入PLC控制系统;
(8)利用步骤(3)获取的作物生长环境的温度、湿度、光照和基质含水率信息,统计分析计算自定植以来的温度累计、光照累计值,结合基质含水率和环境温度、湿度、光照信息,计算植株的蒸腾量,在此基础上,基于采集的作物micro-CT图像、偏振高光谱图像特征、三维激光扫描成像的最优化的特征变量,进行作物营养和水分胁迫的跟踪连续检测,得出植株的施肥灌溉量模型,并将该模型输入PLC控制系统;
(9)在主管路恒压的条件下,建立施肥流量与施肥量、施肥泵转速与施肥流量之间的关系模型,并将施肥流量与施肥量、施肥泵转速与施肥流量之间的模型输入PLC控制系统;
(10)根据步骤(3)来获取表征植株的生长状态的micro-CT图像、偏振高光谱图像特征、三维激光扫描成像特征参数,PLC控制系统根据多特征融合氮素和水分胁迫精确定量检测模型判定植株当前的水分胁迫、氮素胁迫状态和程度;再基于施肥灌溉量模型,结合施肥泵转速与施肥流量、以及施肥泵转速与施肥流量之间的关系模型,利用PLC控制变频器输出频率,进而控制施肥泵的转速,实现施肥配比和灌溉量的精确节控制。
进一步地,所述生长环境信息包括温室作物生长环境的温度、湿度、光照强度和栽培基质的含水率信息,采用温度变送器、湿度变送器、光照度变送器、含水率变送器来获取。
进一步地,所述微尺度的micro-CT检测步骤为:
①将植株样本,放入Micro-CT扫描系统的样本仓的旋转样本托架上,启动Micro-CT扫描系统,进行扫描,获得样本的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,并二值化样本目标的断层图像;
④利用IPL软件结合目标图像分析,获取植株叶片和茎秆的气孔密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构和断层图像灰度特征参数;
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。
进一步地,叶片尺度的偏振-高光谱扫描成像检测步骤:
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37的波长范围为300-2200nm,设置光强范围为6500lux,调整成像系统的几何中心与位移台水平和垂直轴线XZ轴几何中心一致,进行偏振-高光谱图像的扫描成像;
②利用具有前置偏振滤光片组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560nm、1450nm,分别在水平方向和垂直方向上,进行推帚式的偏振-高光谱扫描成像,获取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,提取营养和水分胁迫样本的主视和俯视视场下的高光谱特征图像,并提取植株冠幅、株高、叶倾角图像;
④基于前置560nm和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560nm和1450nm高光谱营养水分敏感波长下的叶脉分布,平均灰度、叶缘阴影面积特征参数;
⑤基于获取的0°、45°、90°、135°、180°特征偏振角的560nm、1450nm的偏振高光谱图像,提取氮素和水分胁迫植株样本的偏振态、斯托克向量、穆勒矩阵变量。
进一步地,冠层尺度的三维激光扫描成像检测步骤:
①首先在所要扫描的作物叶片和栽植器皿上方粘贴直径为6mm的黑色轮廓高反射目标点,由于叶片表面弯曲,在贴反射目标点时,两目标点之间的最短距离控制在20mm;
②运行扫描系统,用三维激光扫描仪测量校准板,以纠正传感器参数,确保数据采集精度;
③最后通过手持扫描的方式,依次获取所有作物样本的三维数据。
进一步地,在三维激光扫描成像检测时,激光功率为65%,快门时间为7.2ms,分辨率为0.50mm。
基于多尺度生境信息的苗期作物水肥检测和控制装置,其特征在于,包括施肥机构、信息采集系统和控制系统组成。
所述施肥机构主要由进水主管道、过滤器、进水泵、进水电磁阀、出肥管道、施肥电磁阀、搅拌电机、混肥罐、施肥泵、出肥管组成;其中进水主管道连接水源,进水主管道的另一端连接过滤器,过滤器的出水口与进水泵相连接,用于提供水肥供给系统的基础水源,进水泵的出口管路和混肥管路之间连接有进水电磁阀,以控制水源管路的通断;施肥泵通过管路与混肥罐上部相连、两者之间有施肥电磁阀,用于实现施肥管路的通断控制;施肥罐顶部安装有搅拌电机,搅拌电机输出轴末端有搅拌叶片,通过电机驱动,实现对固体肥料颗粒的混合及均匀搅拌作业;
所述信息采集系统包括环境温度变送器、环境湿度变送器、环境光照变送器、基质含水率变送器、EC传感器、两个pH传感器、液位传感器、压力变送器、作物信息检测系统,以及A/D转换模拟量输入模块;其中环境温度变送器、环境湿度变送器、环境光照变送器安装在温室内部、基质含水率变送器安装在作物盆栽的基质中,环境温度变送器、环境湿度变送器、环境光照变送器、基质含水率变送器分别与模拟量模块相连;EC传感器连接在施肥机管路中,用于检测营养液的浓度,EC传感器的输出端与模拟量输入模块的输入端相连;两个pH传感器分别安装在距离混肥罐液面10cm处和下部距离混肥罐底部20cm处,并分别与模拟量模块的输入端相连,通过两个pH传感器的差值比较,判断肥料搅拌的均匀程度,判定搅拌电机所需的转速,并自启动和停止搅拌电机和搅拌装置;液位传感器放置在混肥罐的底部,液位传感器的信号输出端也与模拟量模块的输入端相连,基于水下压力不同的原理来进行液位判断;压力变送器连接在主管路中部,以判断主管道压力,其输出端与模拟量模块的输入端相连;所述作物信息检测系统包括micro-CT扫描系统、偏振-高光谱成像系统和三维激光扫描系统;
所述控制系统包括PLC控制器、触摸屏、变频器和执行机构,其中触摸屏与PLC控制器相连接,用于进行人机交互,输入控制模式和作物生长状态信息;其中变频器的输入端与PLC控制器的输出端相连接,变频器的输出端与施肥泵相连接,模拟量模块与PLC控制器相连接,用于实现PLC控制器对信息采集系统的多路信息采集控制;
系统根据作物的水肥需求结合环境信息,可以通过PLC控制器实现对变频器的频率控制,进而实现对施肥泵转速的控制,以调节施肥管道的流量,在恒压主管路中,最终实现对主管道施肥灌溉量的精确控制。
进一步地,所述micro-CT扫描系统中,为旋转样本托架,通过底座上的螺钉固定在检测样本仓的底部,旋转样本托架底座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,检测时旋转轴带动样本托架360°旋转,同时固定在发射仓中部的X射线发射器通过俯仰动作实现对样本的断层切片扫描过程。
进一步地,其中所述偏振-高光谱图像检测系统,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姿调整;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姿调整;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、横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,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第一偏振-高光谱成像系统和第二偏振-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360°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。
本发明是针对目前温室作物苗期营养液动态配比的精确施肥灌溉,其技术方案涉及:①营养液精确调配技术:通过控制母液的流入量,实现营养液浓度的精确调配。建立在不同营养液配比下营养液浓度与变频控制参数的关系模型,给出营养液浓度和灌施量的调控方法。②灌溉量和施肥量决策:通过对不同光照强度、光积累、温湿度等温室内环境下作物生长状态测试研究,结合水肥对作物生长信息的影响;制定出在温室条件下的灌溉量和施肥量的决策优化方案。③针对设施生产在配肥和水肥灌施过程的营养液和杂质沉积导致的管路堵塞和配比误差等问题,设计和加装母液混肥搅拌和管路定时冲洗等配套装置,并通过研究不同营养液配比条件下肥料固体颗粒沉积的规律,确定搅拌时机,降低固体颗粒的沉积,提高营养液的利用效率。并在此基础上开发了适合日光温室、钢架大棚适用的低成本肥水一体化调控装备。
与现有技术相比,本发明具有以下有益效果。
1、本发明将作物信息探测技术、温室环境信息探测技术、液肥浓度精确调配技术与灌溉施肥量控制决策控制技术相融合,提出能依据温室温度、湿度、光照和基质含水率等主要环境信息,结合多信息融合的作物养分信息,精确控制灌溉时机、水肥灌溉量和配比的作物施肥灌溉控制策略。提出了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,解决按照作物需求进行水肥动态控制的难题,克服了目前只依据环境因子信息进行施肥控制的局限性,由于实现了按需施肥,故而大幅降低了肥料的用量,降低了人力成本,提高了经济效益。
2、本发明的施肥装置利用变频器控制施肥泵转速来调节液肥管路流量的大小,并将液肥送到恒压主管道中,实现了液肥浓度配比和灌溉量的实时动态精确控制。采用基于作物生境信息反馈的变频技术,实现了温室水肥的自动配比和变量灌施作业,目前温室蔬菜生产中尚未见到基于作物生境信息反馈的恒压变频水肥配比控制技术。
3、固体肥搅拌液肥灌施模式下,液肥沉积和管路赌塞的主要原因是混合灌中搅拌后的液肥不均匀和粘性大,长时间作业和存放必然会导致较多的沉淀、管道壁堆积,造成系统的作业故障和寿命降低,通过增设基于上下废液不均匀性反馈的混肥搅拌装置以提高液肥搅拌的均匀性,大幅降低了固体颗粒的沉积率,结合管道过滤装置,不仅降低了人工搅拌的劳动强度,同时大幅减少设备故障,提高了施肥机的作业效率,降低了成本,提高了经济效益。
4、本发明采用micro-CT扫描作物营养和水分胁迫下气孔、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560nm、1450nm高光谱图像的营养和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560nm、1450nm特征图像的偏振态、stock向量、穆勒矩阵变量、三维激光扫描系统获取的植株体积、叶面积、茎粗、株高等宏观长势形态特征,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,实现对作物苗期营养和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了科学依据。
附图说明
图1是本发明所述苗期作物水肥检测和控制装置的结构示意图。
图2是本发明所采用的micro-CT装置的结构示意图。
图3是本发明所采用的偏振-高光谱成像系统的结构示意图。
图4是本发明所采用的三维激光扫描系统结构示意图。
图5是本发明所述基于多尺度生境信息的苗期作物水肥检测和控制方法流程图。
图6生菜三维空间网格模型。
图7生菜茎粗坐标。
图中:
1.进水主管道;2.过滤器;3.进水泵;4.进水电磁阀;5.出肥管道;6.施肥电磁阀;7.EC传感器;8.压力数字显示仪表;9.变频器;10.控制柜;11.接触器;12.环境温度变送器;13.环境湿度变送器;14.环境光照变送器;15.基质含水率变送器;16.模拟量模块;17.电源空气开关;18.PLC控制器;19.pH传感器;20.液位传感器;21.触摸屏;22.搅拌电机;23.混肥罐;24.施肥泵;25.压力变送器;26.施肥管道;27.旋转样本托架;28.样本;29.X射线发射器;30.计算机;32.双坐标样本台;33.立臂,33-1第一底座;33-2立杆;33-3第一滑块;34.悬臂;34-1第二底座;34-2悬杆;34-3第二滑块;35.偏振-高光谱成像系统,35-1第一偏振-高光谱成像仪;35-2.第二偏振-高光谱成像仪;36.云台;37.可见光-近红外光源;38.运动控制器;39.图像采集器;40.光源控制器;41.控制计算机;42.光箱;43.PC机;44.FireWire适配器;45.FireWire电缆;46.手持三维扫描头;47.电源模块。
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。
图1所示为本发明所述的基于多尺度生境信息的苗期作物水肥检测和控制装置,该装置包括施肥机构、信息采集系统和控制系统组成。所述施肥机构主要由进水主管道1、过滤器2、进水泵3、进水电磁阀4、出肥管道5、施肥电磁阀6、搅拌电机22、混肥罐23、施肥泵24、出肥管26组成;其中进水主管道1连接水源,进水主管道1的另一端连接过滤器2,过滤器2的出水口与进水泵3相连接,用于提供水肥供给系统的基础水源,进水泵3的出口管路和混肥管路之间连接有进水电磁阀4,以控制水源管路的通断;施肥泵24通过管路与混肥罐23上部相连、两者之间有施肥电磁阀6,用于实现施肥管路的通断控制;混肥罐23顶部安装有搅拌电机22,搅拌电机22输出轴末端有搅拌叶片,通过电机驱动,可以实现对固体肥料颗粒的混合及均匀搅拌作业。
所述信息采集系统包括环境温度变送器12、环境湿度变送器13、环境光照变送器14、基质含水率变送器15、EC传感器7、两个pH传感器19-1和19-2、液位传感器20、压力变送器25、作物信息检测系统,以及9通道的A/D转换模拟量输入模块16。其中环境温度变送器12、环境湿度变送器13、环境光照变送器14安装在温室内部,基质含水率变送器15安装在作物珍珠岩盆栽的基质中;环境温度变送器12、环境湿度变送器13、环境光照变送器14、基质含水率变送器15分别与模拟量模块16相连。
EC传感器7连接在施肥机管路中,用于检测营养液的浓度,EC传感器7的输出端与模拟量输入模块16的输入端相连,两个pH传感器19-1和19-2分别安装在距离混肥罐23液面10cm处和下部距离混肥罐底部20cm处,混肥罐23内上下布置的两个pH传感器19-1和19-2分别与模拟量模块16的输入端相连;通过上下两个pH传感器19-1和19-2的差值比较,判断肥料搅拌的均匀程度,判定搅拌电机所需的转速,并自启动和停止搅拌电机和搅拌装置。
液位传感器20放置在混肥罐23的底部,基于水下压力不同的原理来进行液位判断,其4-20mA信号输出端与模拟量模块16的输入端相连,压力变送器25连接在主管路中部,以判断主管道压力,压力变送器25的输出端与模拟量模块16的输入端相连。
作物信息检测系统包括micro-CT扫描系统、偏振-高光谱成像系统和三维激光扫描系统,用于检测表征植株受氮素和水肥胁迫程度的微尺度、叶片尺度和冠层尺度的作物信息。
如图2所示,所述micro-CT扫描系统中,旋转样本托架27通过底座上的螺钉固定在检测样本仓的底部,旋转样本托架底座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,检测时旋转轴带动样本托架360°旋转,同时固定在发射仓中部的X射线发射器29通过俯仰动作实现对样本的断层切片扫描过程。
偏振-高光谱图像检测系统如图3所示,包括控制系统、双坐标样本台32、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35、图像采集器39、立臂33和悬臂34;所述立臂33由第一底座33-1、带丝杠的立杆33-2和第一滑块33-3组成,第一底座33-1通过螺钉固定在光箱42的底部的左侧,第一底座33-1上部通过铰链与立杆33-2连接,立杆33-2能够以铰链为中心做左右摆动,完成成像设备的空间位姿调整;立杆33-2上安装有第一滑块33-3;第一偏振-高光谱成像系统35-1安装在第一滑块33-3上,第一滑块33-3能够由丝杠驱动沿立杆33-2上下移动,带动第一偏振-高光谱成像系统35-1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34由第二底座34-1、带丝杠的横杆34-2和第二滑块34-3组成,第二底座34-1通过螺钉固定在光箱42的右侧板的上部,第二底座34-1通过铰链与横杆34-2连接,横杆34-2能够以铰链为中心做上下摆动,完成成像设备的空间位姿调整;横杆34-2上安装有第二滑块34-3,第二偏振-高光谱成像系统35-2安装在第二滑块34-3上,第二滑块34-3能够由丝杠驱动沿横杆34-2沿水平方向左右移动,带动第二偏振-高光谱成像系统35-2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37、云台36组成,在立杆33-2的底端和顶端、横杆34-2的右端和左端分别安装一个云台36,每个云台上分别安装可见光-近红外光源37,可见光-近红外光源37能够通过云台36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32固定在光箱42的底平面的几何中心位置,其中32-1为水平丝杠,32-2位垂直丝杠,垂直丝杠32-2顶端安装有样本托架,用于安放待测样本,通过水平丝杠32-1和垂直丝杠32-2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35-1和偏振-高光谱成像系统35-2的扫描成像。
其中所述偏振-高光谱成像系统35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360°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41、光源控制器40、图像采集器39和运动控制器38;其中光源控制器40连接可见光-近红外光源37,实现不同光强和光质的光源控制;图像采集器39连接两个偏振-高光谱成像系统35和控制计算机41,由控制计算机41发出指令,实现对主视和俯视偏振-高光谱成像系统35的成像信息采集和分析;运动控制器38连接双坐标样本台32、立臂33、悬臂34和云台36;同时,运动控制器38与控制计算机41相连,由控制计算机41发出指令,实现对双坐标样本台32的升降和水平位移控制,对立臂33、悬臂34的滑块驱动控制,以及云台36的仰俯角控制。
三维扫描成像系统如图4所示,由PC机43、FireWire适配器44、FireWire电缆45、手持三维扫描头46和电源模块47组成,其中手持三维扫描头46通过FireWire电缆45连接FireWire适配器44,并通过FireWire适配器44与PC机相连,通过PC机软件实现对手持三维扫描头46的三维扫描控制和信息采集,电源模块47通过与FireWire适配器44相连为PC机提供电源;电源模块47与手持三维扫描头46相连,为手持三维扫描头46提供电源。
所述控制系统包括PLC控制器18、触摸屏21、变频器9和执行机构,其中触摸屏21与PLC控制器18的422通讯端口相连接,用于进行人机交互,输入控制模式和作物生长状态信息。其中变频器9的输入端与PLC控制器18的输出端相连接,变频器9的输出端与施肥泵24相连接,模拟量模块16与PLC控制器18相连接,用于实现PLC控制器18对信息采集系统的多路信息采集。
PLC控制器18中内置有多特征融合氮素和水分胁迫精确定量检测模型、施肥灌溉量模型施肥泵转速与施肥流量、以及施肥泵转速与施肥流量之间的关系模型,PLC控制器18根据多特征融合氮素和水分胁迫精确定量检测模型判定植株当前的水分胁迫、氮素胁迫状态和程度;再基于施肥灌溉量模型,结合施肥泵转速与施肥流量、以及施肥泵转速与施肥流量之间的关系模型,利用PLC控制变频器输出频率,进而控制施肥泵的转速,实现施肥配比和灌溉量的精确节控制。
如图5所示,本发明所述的基于多尺度生境信息的苗期作物水肥检测和控制方法,主要包括如下步骤:
步骤1,采取标准营养液配方,利用珍珠岩作为培养基质,采用无土栽培定植温室蔬菜作物,采用温室标准化管理方式进行管理,保证苗期作物营养元素和水分的正常供给。
步骤2:选取定植一周后的植株分别进行水分胁迫、氮素胁迫样本培育;
(1)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5个不同的水平,每个水平20个样本,共计100个样本,进行水分胁迫样本培育;
(2)定植一周后,在保持充足水分供应的条件下,将氮素供应量按照标准供应量的200%、100%、50%和25%分成4个不同的水平,每个水平20个样本,共计80个样本,进行氮素胁迫样本培育.
步骤3,苗期样本水分胁迫3天后,营养胁迫分别在胁迫后的7天、15天和21天进行样本微尺度的micro-CT、叶片尺度的偏振-高光谱成像扫描和冠层尺度的植株冠层三维扫描成像的多信息采集,同时获取温室作物生长环境的温度、湿度、光照强度和栽培基质的含水率信息。上述信息的获取按照以下步骤进行:
1)作物生长的环境信息采集步骤:采用温度变送器、湿度变送器、光照度变送器、含水率变送器获取作物生长环境的温度、湿度、光照以及基质含水率信息。
2)微尺度的micro-CT检测步骤:
①将不同营养和水分胁迫水平的样本,依次放入Micro-CT扫描系统的样本仓的旋转样本托架27上,通过控制计算机30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,并二值化样本目标的断层图像;
④利用IPL软件结合目标图像分析,获取植株叶片和茎秆的气孔密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构和断层图像灰度特征参数;
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)叶片尺度的偏振-高光谱扫描成像检测步骤:
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-高光谱图像的扫描成像,并按照下述步骤进行:
①将样本置于偏振-高光谱成像系统的双坐标样本台32上,设置可见光-近红外光源37的波长范围为300-2200nm,设置光强范围为6500lux,调整成像系统的几何中心与位移台水平和垂直轴线XZ轴几何中心一致;
②利用具有前置偏振滤光片组的两台高光谱成像系统35-1和35-2,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560nm、1450nm,分别在水平方向和垂直方向上,进行推帚式的偏振-高光谱扫描成像,获取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,提取营养和水分胁迫样本的主视和俯视视场下的高光谱特征图像,并提取植株冠幅、株高、叶倾角图像;
④基于前置560nm和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560nm和1450nm高光谱营养水分敏感波长下的叶脉分布,平均灰度、叶缘阴影面积特征参数;
⑤基于获取的0°、45°、90°、135°、180°特征偏振角的560nm、1450nm的偏振高光谱图像,提取氮素和水分胁迫植株样本的偏振态、斯托克向量、穆勒矩阵变量。
4)冠层尺度的三维激光扫描成像检测步骤:
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-高光谱图像的扫描成像:在三维激光扫描数据采集前,需预先确定扫描仪传感器的激光功率、快门时间和采集软件的分辨率以保证三维模型的清晰。经过分析比较,设定激光功率为65%,快门时间为7.2ms,分辨率为0.50mm,设定参数下所采集的植株的三维形态。
①首先在所要扫描的作物叶片和栽植器皿上方粘贴直径为6mm的黑色轮廓高反射目标点,由于叶片表面弯曲,在贴反射目标点时,两目标点之间的最短距离控制在20mm;
②运行扫描系统,用三维激光扫描仪测量校准板,以纠正传感器参数,确保数据采集精度;
③最后通过手持扫描的方式,依次获取所有作物样本的三维数据。
步骤4、进行常规理化检测:称量样本的干湿重,确定植株的含水率真值;使用英国SEAL公司生产的AutoAnalyzer3型连续流动分析仪,通过凯氏定氮营养检测测定样品全氮含量;采用扫描电镜和超景深3D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实测值;
步骤5、对步骤3提取的micro-CT的特征变量、偏振-高光谱图像特征变量和三维扫描成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6、对步骤5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>4.35则保留,变量回判时模型的F<2.95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、氮素胁迫诊断的特征变量;
步骤7、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、560nm和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,560nm和1450nm特征图像的偏振态、stock向量、穆勒矩阵变量,以及三维激光扫描的植株体积、叶面积、茎粗特征变量多特征融合氮素和水分胁迫精确定量检测模型,并将多特征融合氮素和水分胁迫精确定量检测模型输入PLC控制系统;
步骤8、利用步骤3获取的作物生长环境的温度、湿度、光照和基质含水率信息,统计分析计算自定植以来的温度累计、光照累计值,结合基质含水率和环境温度、湿度、光照信息,计算植株的蒸腾量,在此基础上,基于采集的作物micro-CT图像、偏振高光谱图像特征、三维激光扫描成像特征,进行作物营养和水分胁迫的跟踪连续检测,得出植株的施肥灌溉量模型,并将该模型输入PLC控制系统;
步骤9、在主管路恒压的条件下,建立施肥流量与施肥量、施肥泵转速与施肥流量之间的关系模型,并将施肥流量与施肥量、施肥泵转速与施肥流量之间的模型输入PLC控制系统;
步骤10、根据步骤(3)来获取表征植株的生长状态的micro-CT图像、偏振高光谱图像特征、三维激光扫描成像特征参数,PLC控制系统根据多特征融合氮素和水分胁迫精确定量检测模型判定植株当前的水分胁迫、氮素胁迫状态和程度;再基于施肥灌溉量模型,结合施肥泵转速与施肥流量、以及施肥泵转速与施肥流量之间的关系模型,利用PLC控制变频器输出频率,进而控制施肥泵的转速,实现施肥配比和灌溉量的精确节控制。
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 (9)
1.一种基于多尺度生境信息的苗期作物水肥检测和控制方法,其特征在于,包括如下步骤:
(1)采取标准营养液配方,利用珍珠岩作为培养基质,采用无土栽培定植温室蔬菜作物,采用温室标准化管理方式进行管理,保证苗期作物营养元素和水分的正常供给;
(2)选取定植一周后的植株分别进行水分胁迫、氮素胁迫样本培育;
(3)苗期样本水分胁迫、营养胁迫分别在胁迫后通过微尺度的micro-CT、叶片尺度的偏振-高光谱成像扫描、冠层尺度的植株冠层三维扫描成像进行植株生长状态的连续检测与信息采集,同时获取植株生长环境信息;
(4)进行常规理化检测:称量样本的干湿重,确定植株的含水率真值;用凯氏定氮法测定样品全氮含量;采用扫描电镜和超景深3D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,纤维管束分布密度和管径实测值;
(5)对步骤(3)提取的micro-CT的特征变量、偏振-高光谱图像特征变量和三维扫描成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;
(6)对步骤(5)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>4.35则保留,变量回判时模型的F<2.95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、氮素胁迫诊断的特征变量;
(7)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、560nm和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,560nm和1450nm特征图像的偏振态、stock向量、穆勒矩阵变量,以及三维激光扫描的植株体积、叶面积、茎粗特征变量多特征融合氮素和水分胁迫精确定量检测模型,并将多特征融合氮素和水分胁迫精确定量检测模型输入PLC控制系统;
(8)利用步骤(3)获取的作物生长环境的温度、湿度、光照和基质含水率信息,统计分析计算自定植以来的温度累计、光照累计值,结合基质含水率和环境温度、湿度、光照信息,计算植株的蒸腾量,在此基础上,基于采集的作物micro-CT图像、偏振高光谱图像特征、三维激光扫描成像的最优化的特征变量,进行作物营养和水分胁迫的跟踪连续检测,得出植株的施肥灌溉量模型,并将植株的施肥灌溉量模型输入PLC控制系统;
(9)在主管路恒压的条件下,建立施肥流量与施肥量、施肥泵转速与施肥流量之间的关系模型,并将施肥流量与施肥量、施肥泵转速与施肥流量之间的模型输入PLC控制系统;
(10)根据步骤(3)来获取表征植株的生长状态的micro-CT图像、偏振高光谱图像特征、三维激光扫描成像特征参数,PLC控制系统根据多特征融合氮素和水分胁迫精确定量检测模型判定植株当前的水分胁迫、氮素胁迫状态和程度;再基于施肥灌溉量模型,结合施肥泵转速与施肥流量、以及施肥泵转速与施肥流量之间的关系模型,利用PLC控制变频器输出频率,进而控制施肥泵的转速,实现施肥配比和灌溉量的精确节控制。
2.根据权利要求1所述的基于多尺度生境信息的苗期作物水肥检测和控制方法,其特征在于,所述生长环境信息包括温室作物生长环境的温度、湿度、光照强度和栽培基质的含水率信息,采用温度变送器、湿度变送器、光照度变送器、含水率变送器来获取。
3.根据权利要求1所述的基于多尺度生境信息的苗期作物水肥检测和控制方法,其特征在于,所述微尺度的micro-CT检测步骤为:
①将样本(28),放入Micro-CT扫描系统的样本仓的旋转样本托架(27)上,启动Micro-CT扫描系统,进行扫描,获得样本的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,并二值化样本目标的断层图像;
④利用IPL软件结合目标图像分析,获取植株叶片和茎秆的气孔密度、海绵体厚度、栅栏组织、纤毛密度、维管束的剖面结构和断层图像灰度特征参数;
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。
4.根据权利要求1所述的基于多尺度生境信息的苗期作物水肥检测和控制方法,其特征在于,叶片尺度的偏振-高光谱扫描成像检测步骤:
①将样本(28)置于偏振-高光谱成像系统的双坐标样本台(32)上,设置可见光-近红外光源(37)的波长范围为300-2200nm,设置光强范围为6500lux,调整成像系统的几何中心与位移台水平和垂直轴线XZ轴几何中心一致,进行偏振-高光谱图像的扫描成像;
②利用具有前置偏振滤光片组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560nm、1450nm,分别在水平方向和垂直方向上,进行推帚式的偏振-高光谱扫描成像,获取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,提取营养和水分胁迫样本的主视和俯视视场下的高光谱特征图像,并提取植株冠幅、株高、叶倾角图像;
④基于前置560nm和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560nm和1450nm高光谱营养水分敏感波长下的叶脉分布,平均灰度、叶缘阴影面积特征参数;
⑤基于获取的0°、45°、90°、135°、180°特征偏振角的560nm、1450nm的偏振高光谱图像,提取氮素和水分胁迫植株样本的偏振态、斯托克向量、穆勒矩阵变量。
5.根据权利要求1所述的基于多尺度生境信息的苗期作物水肥检测和控制方法,其特征在于,冠层尺度的三维激光扫描成像检测步骤:
①首先在所要扫描的作物叶片和栽植器皿上方粘贴直径为6mm的黑色轮廓高反射目标点,由于叶片表面弯曲,在贴反射目标点时,两目标点之间的最短距离控制在20mm;
②运行扫描系统,用三维激光扫描仪测量校准板,以纠正传感器参数,确保数据采集精度;
③最后通过手持扫描的方式,依次获取所有作物样本的三维数据。
6.根据权利要求5所述的基于多尺度生境信息的苗期作物水肥检测和控制方法,其特征在于,在三维激光扫描成像检测时,激光功率为65%,快门时间为7.2ms,分辨率为0.50mm。
7.基于多尺度生境信息的苗期作物水肥检测和控制装置,其特征在于,包括施肥机构、信息采集系统和控制系统组成;
所述施肥机构主要由进水主管道(1)、过滤器(2)、进水泵(3)、进水电磁阀(4)、出肥管道(5)、施肥电磁阀(6)、搅拌电机(22)、混肥罐(23)、施肥泵(24)、出肥管(26)组成;其中进水主管道(1)连接水源,进水主管道(1)的另一端连接过滤器(2),过滤器(2)的出水口与进水泵(3)相连接,用于提供水肥供给系统的基础水源,进水泵(3)的出口管路和混肥管路之间连接有进水电磁阀(4),以控制水源管路的通断;施肥泵(24)通过管路与混肥罐(23)上部相连、两者之间有施肥电磁阀(6),用于实现施肥管路的通断控制;混肥罐(23)顶部安装有搅拌电机(22),搅拌电机(22)输出轴末端有搅拌叶片,通过电机驱动,实现对固体肥料颗粒的混合及均匀搅拌作业;
所述信息采集系统包括环境温度变送器(12)、环境湿度变送器(13)、环境光照变送器(14)、基质含水率变送器(15)、EC传感器(7)、两个pH传感器(19-1、19-2)、液位传感器(20)、压力变送器(25)、作物信息检测系统,以及A/D转换模拟量输入模块(16);其中环境温度变送器(12)、环境湿度变送器(13)、环境光照变送器(14)安装在温室内部、基质含水率变送器(15)安装在作物盆栽的基质中,环境温度变送器(12)、环境湿度变送器(13)、环境光照变送器(14)、基质含水率变送器(15)分别与模拟量模块(16)相连;EC传感器(7)连接在施肥机管路中,用于检测营养液的浓度,EC传感器(7)的输出端与模拟量输入模块(16)的输入端相连;两个pH传感器(19-1、19-2)分别安装在距离混肥罐(23)液面10cm处和下部距离混肥罐底部20cm处,并分别与模拟量模块(16)的输入端相连,通过两个pH传感器(19-1、19-2)的差值比较,判断肥料搅拌的均匀程度,判定搅拌电机所需的转速,并自启动和停止搅拌电机和搅拌装置;液位传感器(20)放置在混肥罐(23)的底部,液位传感器(20)的信号输出端也与模拟量模块(16)的输入端相连,基于水下压力不同的原理来进行液位判断;压力变送器(25)连接在主管路中部,以判断主管道压力,其输出端与模拟量模块(16)的输入端相连;所述作物信息检测系统包括micro-CT扫描系统、偏振-高光谱成像系统和三维激光扫描系统;
所述控制系统包括PLC控制器(18)、触摸屏(21)、变频器(9)和执行机构,其中触摸屏(21)与PLC控制器(18)相连接,用于进行人机交互,输入控制模式和作物生长状态信息;其中变频器(9)的输入端与PLC控制器(18)的输出端相连接,变频器(9)的输出端与施肥泵(24)相连接,模拟量模块(16)与PLC控制器(18)相连接,用于实现PLC控制器(18)对信息采集系统的多路信息采集控制;
系统根据作物的水肥需求结合环境信息,可以通过PLC控制器(18)实现对变频器(9)的频率控制,进而实现对施肥泵(24)转速的控制,以调节施肥管道的流量,在恒压主管路中,最终实现对主管道施肥灌溉量的精确控制。
8.根据权利要求7所述基于多尺度生境信息的苗期作物水肥检测和控制装置,其特征在于,所述micro-CT扫描系统中,旋转样本托架(27)通过底座上的螺钉固定在检测样本仓的底部,旋转样本托架底座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,检测时旋转轴带动样本托架360°旋转,同时固定在发射仓中部的X射线发射器(29)通过俯仰动作实现对样本的断层切片扫描过程。
9.根据权利要求7所述基于多尺度生境信息的苗期作物水肥检测和控制装置,其特征在于,其中所述偏振-高光谱图像检测系统,包括控制系统、双坐标样本台(32)、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(35)、图像采集器(39)、立臂(33)和悬臂(34);所述立臂(33)由第一底座(33-1)、带丝杠的立杆(33-2)和第一滑块(33-3)组成,第一底座(33-1)通过螺钉固定在光箱(42)的底部的左侧,第一底座(33-1)上部通过铰链与立杆(33-2)连接,立杆(33-2)能够以铰链为中心做左右摆动,完成成像设备的空间位姿调整;立杆(33-2)上安装有第一滑块(33-3);第一偏振-高光谱成像系统(35-1)安装在第一滑块(33-3)上,第一滑块(33-3)能够由丝杠驱动沿立杆(33-2)上下移动,带动第一偏振-高光谱成像系统(35-1)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(34)由第二底座(34-1)、带丝杠的横杆(34-2)和第二滑块(34-3)组成,第二底座(34-1)通过螺钉固定在光箱(42)的右侧板的上部,第二底座(34-1)通过铰链与横杆(34-2)连接,横杆(34-2)能够以铰链为中心做上下摆动,完成成像设备的空间位姿调整;横杆(34-2)上安装有第二滑块(34-3),第二偏振-高光谱成像系统(35-2)安装在第二滑块(34-3)上,第二滑块(34-3)能够由丝杠驱动沿横杆(34-2)沿水平方向左右移动,带动第二偏振-高光谱成像系统(35-2)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(37)、云台(36)组成,在立杆(33-2)的底端和顶端、横杆(34-2)的右端和左端分别安装一个云台(36),每个云台上分别安装可见光-近红外光源(37),可见光-近红外光源(37)能够通过云台(36)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(32)固定在光箱(42)的底平面的几何中心位置,垂直丝杠(32-2)顶端安装有样本托架,用于安放待测样本,通过水平丝杠(32-1)和垂直丝杠(32-2)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第一偏振-高光谱成像系统(35-1)和第二偏振-高光谱成像系统(35-2)的扫描成像;
其中所述偏振-高光谱成像系统(35)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360°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(41)、光源控制器(40)、图像采集器(39)和运动控制器(38);
其中光源控制器(40)连接可见光-近红外光源(37),实现不同光强和光质的光源控制;
图像采集器(39)连接两个偏振-高光谱成像系统(35)和控制计算机(41),由控制计算机(41)发出指令,实现对主视和俯视偏振-高光谱成像系统(35)的成像信息采集和分析;
运动控制器(38)连接双坐标样本台(32)、立臂(33)、悬臂(34)和云台(36);同时,运动控制器(38)与控制计算机(41)相连,由控制计算机(41)发出指令,实现对双坐标样本台(32)的升降和水平位移控制,对立臂(33)、悬臂(34)的滑块驱动控制,以及云台(36)的仰俯角控制。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269626.2A CN108323295B (zh) | 2017-12-05 | 2017-12-05 | 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 |
US16/646,369 US11406057B2 (en) | 2017-12-05 | 2017-12-19 | Multi-scale habitat information-based method and device for detecting and controlling water and fertilizer for crops in seedling stage |
PCT/CN2017/117190 WO2019109384A1 (zh) | 2017-12-05 | 2017-12-19 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269626.2A CN108323295B (zh) | 2017-12-05 | 2017-12-05 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108323295A CN108323295A (zh) | 2018-07-27 |
CN108323295B true CN108323295B (zh) | 2019-12-03 |
Family
ID=62923093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711269626.2A Active CN108323295B (zh) | 2017-12-05 | 2017-12-05 | 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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11406057B2 (zh) |
CN (1) | CN108323295B (zh) |
WO (1) | WO2019109384A1 (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275036B (zh) * | 2019-05-23 | 2023-07-18 | 中国人民解放军第五七一九工厂 | 一种离线式油液颗粒度检测系统及检测方法 |
CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
CN110736809A (zh) * | 2019-10-28 | 2020-01-31 | 沈阳农业大学 | 一种日光温室作物水分胁迫诊断系统 |
CN110749555B (zh) * | 2019-10-30 | 2022-05-31 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN112806142A (zh) * | 2019-11-15 | 2021-05-18 | 陈优为 | 一种水肥一体化自动灌溉系统 |
CN113689374B (zh) * | 2020-05-18 | 2023-10-27 | 浙江大学 | 一种植物叶片表面粗糙度确定方法及系统 |
CN112314142A (zh) * | 2020-11-09 | 2021-02-05 | 洛阳智能农业装备研究院有限公司 | 一种针对便携式水肥一体机施肥流量的控制方法、装置 |
CN112488467A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种基于多尺度生境信息的水培作物施肥装置 |
CN112690078A (zh) * | 2020-12-07 | 2021-04-23 | 广州顺绿喷灌设备有限公司 | 一种智能水肥药一体化灌溉系统及方法 |
CN112715238A (zh) * | 2020-12-25 | 2021-04-30 | 南京信息职业技术学院 | 一种小型温室培养装置 |
CN114764833A (zh) * | 2021-01-12 | 2022-07-19 | 富泰华工业(深圳)有限公司 | 植物生长曲线确定方法、装置、电子设备及介质 |
CN112947635B (zh) * | 2021-01-15 | 2022-04-29 | 江南大学 | 基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法 |
CN112956319B (zh) * | 2021-01-29 | 2022-04-05 | 新疆生产建设兵团第一师农业科学研究所 | 一种控失肥料检测装置及检测方法 |
CN112949445B (zh) * | 2021-02-24 | 2024-04-05 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 基于空间关系的城市管理应急联动系统及方法 |
CN114185467A (zh) * | 2021-10-29 | 2022-03-15 | 北京市农林科学院信息技术研究中心 | 一种营养液信息采集方法及装置 |
CN114365614A (zh) * | 2021-11-22 | 2022-04-19 | 湖南大学 | 基于物联网的水肥精准调控方法、智能装备及系统 |
WO2023144680A1 (en) * | 2022-01-25 | 2023-08-03 | Cet Electronics Snc | Method and apparatus for estimating the water stress of a plant |
CN114600605B (zh) * | 2022-04-01 | 2023-03-28 | 青岛农业大学 | 一种变尺度变量追肥装置 |
CN114731821A (zh) * | 2022-05-17 | 2022-07-12 | 五华县伟鑫达种植专业合作社 | 一种基地全套水肥智能化管控系统 |
CN114991047A (zh) * | 2022-08-02 | 2022-09-02 | 山东省凯麟环保设备股份有限公司 | 基于智能视觉和双向地面清洁度判断的清扫方法及系统 |
CN115349338B (zh) * | 2022-08-17 | 2023-06-30 | 江苏省农业机械试验鉴定站 | 一种基于作物长势的变量追肥控制系统与方法 |
CN115530052B (zh) * | 2022-09-19 | 2024-01-26 | 南京林业大学 | 一种可移动门架式植物表型平台及其精确作业管理方法 |
CN115423643A (zh) * | 2022-11-04 | 2022-12-02 | 中化现代农业有限公司 | 水肥计算方法、装置、电子设备和存储介质 |
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 |
CN115589802B (zh) * | 2022-12-15 | 2023-02-28 | 山西乐村淘网络科技有限公司 | 基于作物生长反馈的智慧农业自动施肥装置 |
CN116147950B (zh) * | 2023-01-03 | 2023-10-20 | 石河子大学 | 供水方法及滴灌系统性能测试平台 |
CN116223398B (zh) * | 2023-02-01 | 2023-11-03 | 广州华立学院 | 一种基于光谱分析的水肥药一体化浓度配比方法 |
CN115861827B (zh) * | 2023-02-28 | 2023-06-02 | 北京市农林科学院智能装备技术研究中心 | 作物水肥胁迫的决策方法、装置及手机终端 |
CN117063688A (zh) * | 2023-10-16 | 2023-11-17 | 潍坊市农业科学院(山东省农业科学院潍坊市分院) | 一种用于液态肥料的施肥控制系统及方法 |
CN117243090B (zh) * | 2023-10-19 | 2024-03-29 | 新疆水利水电科学研究院 | 一种农业灌溉用水定额配给系统 |
CN117272213B (zh) * | 2023-11-21 | 2024-02-02 | 中南大学 | 地下污染物的地物化综合参数扫面方法、装置、设备及介质 |
CN117268476B (zh) * | 2023-11-21 | 2024-03-22 | 连云港华企立方信息技术有限公司 | 一种基于生态农业的智慧管理方法 |
CN117616961B (zh) * | 2024-01-15 | 2024-04-30 | 中国农业科学院农业环境与可持续发展研究所 | 一种滴灌水肥控制系统及方法 |
CN117616962B (zh) * | 2024-01-15 | 2024-05-24 | 中国农业科学院农业环境与可持续发展研究所 | 一种卷盘喷灌水肥同步控制系统及方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19514223B4 (de) * | 1995-04-15 | 2005-06-23 | Claas Kgaa Mbh | Verfahren zur Einsatzoptimierung von Landmaschinen |
US7715013B2 (en) * | 2005-09-16 | 2010-05-11 | The United States Of America As Represented By The Administrator Of The United States Environmental Protection Agency | Optical system for plant characterization |
US7617057B2 (en) * | 2005-12-21 | 2009-11-10 | Inst Technology Development | Expert system for controlling plant growth in a contained environment |
CN103048266B (zh) * | 2012-12-11 | 2015-06-10 | 江苏大学 | 一种设施番茄氮磷钾胁迫自动识别方法和装置 |
CN103018179B (zh) * | 2012-12-11 | 2015-04-22 | 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 |
BR112016014292A2 (pt) * | 2013-12-19 | 2017-08-08 | Phytech Ltd | Método e sistema para gestão de tratamento da safra |
CN203773326U (zh) * | 2014-03-25 | 2014-08-13 | 南京农业大学 | 基于高光谱信息的变量追肥监控系统 |
CN104198396B (zh) * | 2014-07-30 | 2016-08-31 | 江苏大学 | 偏振-高光谱技术诊断作物氮磷钾亏缺的方法 |
US10139279B2 (en) * | 2015-05-12 | 2018-11-27 | BioSensing Systems, LLC | Apparatuses and methods for bio-sensing using unmanned aerial vehicles |
CN204576603U (zh) * | 2015-05-21 | 2015-08-19 | 河南省华西高效农业有限公司 | 一种新型soa架构的精准农业管理系统 |
JP2017042136A (ja) * | 2015-08-28 | 2017-03-02 | 株式会社リコー | 植物栽培支援装置、植物栽培支援方法、プログラム、記憶媒体 |
US11002670B2 (en) * | 2016-01-29 | 2021-05-11 | Panasonic Intellectual Property Management Co., Ltd. | Device for observing water content, method for observing water content, and cultivation device |
CN106774069B (zh) * | 2016-12-26 | 2023-03-31 | 机械工业勘察设计研究院有限公司 | 一种基于三维激光扫描的土方填筑监控装置及方法 |
CN106664937A (zh) | 2017-03-20 | 2017-05-17 | 浙江省农业科学院 | 水肥一体化四控灌溉施肥系统 |
CN107173184A (zh) | 2017-05-25 | 2017-09-19 | 河南嘉禾智慧农业科技有限公司 | 一种智能化农业灌溉系统及方法 |
-
2017
- 2017-12-05 CN CN201711269626.2A patent/CN108323295B/zh active Active
- 2017-12-19 WO PCT/CN2017/117190 patent/WO2019109384A1/zh active Application Filing
- 2017-12-19 US US16/646,369 patent/US11406057B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2019109384A1 (zh) | 2019-06-13 |
US20210289692A1 (en) | 2021-09-23 |
CN108323295A (zh) | 2018-07-27 |
US11406057B2 (en) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108376419A (zh) | 一种盆栽生菜的综合长势监测方法及装置 | |
US11436824B2 (en) | Water stress detection method for tomatoes in seedling stage based on micro-CT and polarization-hyperspectral imaging multi-feature fusion | |
CN102564593B (zh) | 基于计算机视觉及物联网的植物生长状况监测系统 | |
CN101718683B (zh) | 快速检测叶片叶绿素含量的建模方法及检测方法 | |
CN108064531A (zh) | 一种轻简化温室水肥灌施装置 | |
CN110163138B (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
KR101903018B1 (ko) | 에이치엠아이 기반의 자동화 고설재배 시스템 | |
KR101870680B1 (ko) | 하우스 시설재배 관리시스템 | |
CN106989776A (zh) | 一种可控环境作物表型连续获取系统及方法 | |
CN111693551B (zh) | 一种水稻植株及根系三维性状无损测量装置及方法 | |
CN107316116A (zh) | 一种叶类蔬菜产量预测方法 | |
CN1789980A (zh) | 基于近红外光谱的植物生长信息获取装置 | |
CN109757175A (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
CN108710766A (zh) | 一种基于生长模型的温室植物水肥机调肥参数计算方法 | |
CN2864669Y (zh) | 基于近红外光谱的植物生长信息获取装置 | |
CN107421489B (zh) | 一种实时非破环性农作物根系深度判别系统及方法 | |
CN106483128A (zh) | 植物栽培支持装置和植物栽培支持方法 | |
CN108535200A (zh) | 基于可见光、太赫兹融合光谱技术的叶菜类蔬菜叶片重金属镉的检测装置及方法 | |
GB2605253A (en) | A data collection and monitoring system, a controlled environment farming system, devices and related methods | |
CN207443922U (zh) | 一种种猪生长测定系统 | |
CN108605458A (zh) | 一种基于物联网的农业种植土壤酸碱度调节装置 | |
CN115968760B (zh) | 一种基于马铃薯根系时空分布的在地化灌溉方法 | |
CN115885837A (zh) | 一种水耕栽培营养液流速试验装置及方法 | |
CN107027550A (zh) | 一种基于人工气候箱的多功能植物保护装置及其使用方法 |
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 |