CN109187417A - 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 - Google Patents
一种无人机载的太赫兹波及高光谱遥感农作物监测系统 Download PDFInfo
- Publication number
- CN109187417A CN109187417A CN201811089358.0A CN201811089358A CN109187417A CN 109187417 A CN109187417 A CN 109187417A CN 201811089358 A CN201811089358 A CN 201811089358A CN 109187417 A CN109187417 A CN 109187417A
- Authority
- CN
- China
- Prior art keywords
- terahertz
- crops
- crop
- data
- content
- 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
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 71
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 238000010521 absorption reaction Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000000985 reflectance spectrum Methods 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000036541 health Effects 0.000 claims abstract description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 120
- 238000000034 method Methods 0.000 claims description 82
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 52
- 239000001569 carbon dioxide Substances 0.000 claims description 52
- 241000607479 Yersinia pestis Species 0.000 claims description 42
- 230000009102 absorption Effects 0.000 claims description 37
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 27
- 229910052760 oxygen Inorganic materials 0.000 claims description 27
- 239000001301 oxygen Substances 0.000 claims description 27
- 201000010099 disease Diseases 0.000 claims description 25
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 241000238631 Hexapoda Species 0.000 claims description 16
- 230000004060 metabolic process Effects 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 15
- 235000015097 nutrients Nutrition 0.000 claims description 13
- 230000018044 dehydration Effects 0.000 claims description 12
- 238000006297 dehydration reaction Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 9
- 229930002875 chlorophyll Natural products 0.000 claims description 8
- 235000019804 chlorophyll Nutrition 0.000 claims description 8
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000012010 growth Effects 0.000 claims description 7
- 238000011545 laboratory measurement Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 4
- 230000009418 agronomic effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000003862 health status Effects 0.000 claims description 4
- 235000016709 nutrition Nutrition 0.000 claims description 4
- 230000035764 nutrition Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- MYMOFIZGZYHOMD-UHFFFAOYSA-N Dioxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 claims description 3
- 239000012080 ambient air Substances 0.000 claims description 3
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 claims description 3
- 230000036571 hydration Effects 0.000 claims description 3
- 238000006703 hydration reaction Methods 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 2
- 229910052799 carbon Inorganic materials 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000012857 repacking Methods 0.000 claims description 2
- 239000004408 titanium dioxide Substances 0.000 claims description 2
- 230000008901 benefit Effects 0.000 claims 1
- 230000006378 damage Effects 0.000 abstract description 5
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 230000008635 plant growth Effects 0.000 abstract description 3
- 230000003116 impacting effect Effects 0.000 abstract description 2
- 230000000246 remedial effect Effects 0.000 abstract description 2
- 229960004424 carbon dioxide Drugs 0.000 description 20
- 241000196324 Embryophyta Species 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 5
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 241001464837 Viridiplantae Species 0.000 description 3
- 239000003570 air Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000029553 photosynthesis Effects 0.000 description 3
- 238000010672 photosynthesis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229910002090 carbon oxide Inorganic materials 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000006278 hypochromic anemia Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000018343 nutrient deficiency Nutrition 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G01N21/35—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
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
-
- 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
-
- 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
- G01N2021/1793—Remote sensing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Toxicology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种无人机载的太赫兹波及高光谱遥感农作物监测系统,硬件平台为无人机,且无人机内搭载太赫兹反射光谱成像系统和被动式高光谱成像仪器,太赫兹反射光谱成像系统包括主动式太赫兹源、太赫兹相机和太赫兹成像仪;太赫兹源发射太赫兹波至农作物及地表间,太赫兹相机接收太赫兹波在农作物及地表间经过多次反射、折射、透射及吸收并最终形成太赫兹波在农作物至地表空间中的空间分布反射波数据,太赫兹相机将反射波数据传输到太赫兹成像仪中,并形成对应的太赫兹波成像数据;本发明可以帮助在作物生长的早期发现和诊断存在的问题,有利于在危害产生之前就采取有效的干预或补救措施,恢复作物健康并且避免对作物产量造成影响。
Description
技术领域
本发明涉及一种监测系统,尤其是涉及一种无人机载的太赫兹波及高光谱遥感农作物监测系统,涉及农业遥感技术领域。
背景技术
由于农业土地广阔,开展农业资源监测、巡查工作,人工成本高而且效率低。传统上,农业病虫害检测及防治主要通过人工实施作业,以目视检查来监测作物的健康状况,进度慢,作业面积小,而且灵敏度差。与人工实施作业相对应的是农业遥感技术。目前用于农作物管理的农业遥感也已经有50多年的历史,涉及使用的光谱主要是光学和红外线。
目前,农业遥感监控主要依赖红外光谱遥感技术,并通过及时灌溉和早期探测作物胁迫因素来保持农作物的健康。高光谱成像仪覆盖了可见光与红外线,具有高空间分辨和高瞬时清晰度和高光谱分辨率的特点。然而红外线在空气中传播时功率损失巨大并且散射严重,无法到达叶子的内部,因此单纯以红外光谱对作物遥感产生的效果不够理想。
太赫兹频率是红外光谱的低频部分,它与大多数分子的振荡频率共振。因此,太赫兹和红外线都是感知农作物健康的理想选择。相比之下,太赫兹辐射可以在作物中穿透数毫米,并且由于波长远大于红外光,太赫兹波的散射可以忽略不计。利用主动式太赫兹波作为探测光谱来监测作物内及土壤水份和光合作用速度可以在及早期发现作物是否健康,检测某些害虫以及诊断作物是否缺乏营养。这项技术解决了红外线在空气传播中严重散射及无法到达叶子内部的问题。以主动式太赫兹波作为探测光谱的概念十分新颖,主动式太赫兹波遥感系统需要高功率太赫兹源以及先进的太赫兹相机系统才得以实现。
很多分子在太赫兹频段内有独特的频率响应,O2及H2O的一些太赫兹吸收特征谱可在许多文献中找到,因此太赫兹波谱技术用来对物质进行定性以及定量的研究,并得到相应物质的指纹谱。
发明内容
本发明要解决的技术问题是克服现有农业遥感技术的缺陷,提供一种无人机载的太赫兹波及高光谱遥感农作物监测系统,从而解决上述问题。
为实现上述目的,本发明提供如下技术方案:一种无人机载的太赫兹波及高光谱遥感农作物监测系统,包括硬件平台和监测方法;所述硬件平台为无人机,且所述无人机内搭载太赫兹反射光谱成像系统和被动式高光谱成像仪器,所述太赫兹反射光谱成像系统包括主动式太赫兹源、太赫兹相机和太赫兹成像仪;所述太赫兹源发射太赫兹波至农作物及地表间,所述太赫兹相机接收太赫兹波在农作物及地表间经过多次反射、折射、透射及吸收并最终形成太赫兹波在农作物至地表空间中的空间分布反射波数据,所述太赫兹相机将反射波数据传输到太赫兹成像仪中,并形成对应的太赫兹波成像数据。
作为本发明的一种优选技术方案,所述太赫兹成像仪内置有太赫兹探测线路、电光/光电转换模块、数模/模数转换模块、数据存储模块和太赫兹光谱数据库;
作为本发明的一种优选技术方案,所述太赫兹光谱数据库收集有不同脱水程度或受虫害迫害的农作物样品在太赫兹波段存在的特征吸收峰,农作物害虫身体在太赫兹波段的特征吸收峰,实验室测量和校准的样品数据信息,每个阶段农作物的平均反射率及吸收数据。
作为本发明的一种优选技术方案,所述无人机为商用改装无人机,所述被动式高光谱成像仪为可见光以及近红外光频段的400-2050nm高光谱成像仪,所述无人机上还搭载一组商用的氧气、二氧化碳含量测试仪。
作为本发明的一种优选技术方案,所述监测方法包括如下方法:
方法1:作物新陈代谢速度的太赫兹波及高光谱监测方法;通过主动式太赫兹源发射太赫兹波,并通过太赫兹波测量从太阳出来前的氧气(O2)及二氧化碳(17OCO及18OCO)的含量,同时通过用2050nm附近被动式高光谱成像仪测量二氧化碳(CO2)的含量,以及太阳出来后一段时间内(一或两个小时)的含量变化;由此算出农作物新陈代谢的速度,从而判断作物是否健康;同时利用现有商用的氧气和二氧化碳测量仪作为辅助检测手段,与方法1数据进行相互校验,得到准确的作物新陈代谢速度;
方法2:作物及其土壤中含水量的太赫兹波监测方法;在农作物周围空气湿度较低时,通过太赫兹成像仪中的采集水分含量在太赫兹波段的成像数据,可以监测农作物中及其土壤中的含水量,进而评估农作物缺水程度;
方法3:作物养分的太赫兹波监测方法;通过太赫兹成像仪中的采集农作物光谱信息对比被动式高光谱成像仪中的光谱信息,在特征吸收峰上是否存在着较大差异,进一步判断作物是否缺少养分;
方法4:作物虫害及健康状况的太赫兹波及高光谱监测方法;结合当地实际情况,通过太赫兹成像仪采集虫害发病率高峰期的各个阶段的定时采集数据,并实时监测作物中的叶绿素的含量和不同时段的变化,创建农作物光谱生长过程中的反射率,通过对比太赫兹光谱数据库中的每个阶段农作物的平均反射率及吸收数据来判断农作物是否受病害胁迫;
所述方法1包括方法1-1,方法1-2和方法1-3;所述方法1-1为:氧气(CO2)、二氧化碳(O2)含量的辅助测量手段;所述方法1-2为:对二氧化碳(CO2)含量的太赫兹波及高光谱成像办法;所述方法1-3为:对氧气(O2)含量的太赫兹波及高光谱成像办法;所述方法2具体表现为:农作物周围及地表的水份测量;所述方法3具体表现为:农作物农学参数测量;所述方法4具体表现为:太赫兹波用以检测农作物虫害状况。
作为本发明的一种优选技术方案,包括监测步骤,所述监测步骤为:
步骤1:采集与制作具有不同脱水程度的农作物和受害虫/疾病胁迫的农作物样品,利用太赫兹成像仪分析提取特征信息并且储存到太赫兹光谱数据库中;太赫兹光谱数据库中包含了收集有不同脱水程度或受虫害迫害的农作物样品在太赫兹波段存在的特征吸收峰,以及作物营养物和害虫身体在太赫兹波段的特征吸收峰;实验室测量和校准的样品数据信息,以及每个阶段作物的平均反射率数据。
步骤2:利用主动式太赫兹源对农作物目标进行太赫兹辐射,并且记录反射光谱,并且按顺序分析作物周围的氧气(O2)和二氧化碳(CO2)的含量,作物中水分的含量,以及是否存在可能虫害;对采集到农作物光谱信息与光谱数据库中的高光谱在特征吸收峰进行比对,如果存在较大差异,则进一步判断是否由缺少某特定养分所致;
步骤3:按照指定的时间间隔采集数据,从太阳出来前的水分含量开始,每两个小时采集一次数据,监测作物中的含水量和不同时段的变化,得到农作物中水分的扩散图像,提取平均扩散系数,观察局部和各向异性变化的扩散系数,进而评估水化程度;
步骤4:按照指定的时间间隔采集数据,从太阳出来前的氧气(O2)和二氧化碳(CO2)的含量以及出来后一、两个小时的含量变化,由此算出作物新陈代谢的速度,从而判断作物是否健康;同时利用现有商用的氧气和二氧化碳测量仪作为辅助检测手段,与太赫兹波测量方法相互校验,得到准确的作物新陈代谢速度;
步骤5:结合当地实际情况,采集虫害发病率高峰期的各个阶段,每两个小时采集数据,并实时监测作物中的叶绿素的含量和不同时段的变化,创建农作物光谱生长过程中的反射率,通过对比光谱数据库的反射率来判断作物否受病害胁迫;
步骤6:无人机返航后,所有的数据备份到数据中心,并且生成检测报告和报表,对相应数据做出解释。
作为本发明的一种优选技术方案,所述步骤1包括以下步骤:
a)采集与制作具有不同脱水程度的农作物和受害虫/疾病胁迫的农作物样品;
b)在实验室环境测量和校准样品的太赫兹光谱响应,找出用于监测作物某些疾病最敏感的频率范围。对于本系统,频率选择为118.75GHz、154.5GHz以及325GHz,分别对应二氧化碳、氧气分子、作物营养物和害虫身体在太赫兹谱的某个吸收特征频率点;
c)根据选择的工作频率点选择一组紧凑型、轻量化的高功率宽带太赫兹源;
d)对样品使用高功率太赫兹源进行辐射,利用紧凑型轻型太赫兹相机采集和记录光谱信息;
e)改变样品的位置、角度、朝向,多次重复测量数据;
f)太赫兹相机信号采集后需经过标定,去噪,去除背景参考信号等预处理步骤,然后通过小波或者傅里叶变换提取出有价值的信息;
g)对采集的大量太赫兹相机信号数据采用神经网络和聚类分析,提取其特征信息并且保存到数据库中。
与现有技术相比,本发明的有益效果是:本发明的监测系统可以帮助在作物生长的早期发现和诊断存在的问题,有利于在危害产生之前就采取有效的干预或补救措施,恢复作物健康并且避免对作物产量造成影响。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1本发明的工作原理框架图;
图2太赫兹谱分析图;
图3太赫兹反射信号谱测量示意图;
图4太赫兹反射信号谱信号处理流程图;
图5太赫兹光谱信号预处理流程图;
图6太赫兹光谱信号特征提取流程图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1-6所示,本发明提供一种无人机载的太赫兹波及高光谱遥感农作物监测系统,包括硬件平台和监测方法;硬件平台为无人机,且无人机内搭载太赫兹反射光谱成像系统和被动式高光谱成像仪器,太赫兹反射光谱成像系统包括主动式太赫兹源、太赫兹相机和太赫兹成像仪;太赫兹源发射太赫兹波至农作物及地表间,太赫兹相机接收太赫兹波在农作物及地表间经过多次反射、折射、透射及吸收并最终形成太赫兹波在农作物至地表空间中的空间分布反射波数据,太赫兹相机将反射波数据传输到太赫兹成像仪中,并形成对应的太赫兹波成像数据。
太赫兹成像仪内置有太赫兹探测线路、电光/光电转换模块、数模/模数转换模块、数据存储模块和太赫兹光谱数据库;太赫兹光谱数据库收集有不同脱水程度或受虫害迫害的农作物样品在太赫兹波段存在的特征吸收峰,农作物害虫身体在太赫兹波段的特征吸收峰,实验室测量和校准的样品数据信息,每个阶段农作物的平均反射率及吸收数据。无人机为商用改装无人机,被动式高光谱成像仪为可见光以及近红外光频段的400-2050nm高光谱成像仪,无人机上还搭载一组商用的氧气、二氧化碳含量测试仪。
监测方法包括如下方法:
方法1:作物新陈代谢速度的太赫兹波及高光谱监测方法;通过主动式太赫兹源发射太赫兹波,并通过太赫兹波测量从太阳出来前的氧气(O2)及二氧化碳(17OCO及18OCO)的含量,同时通过用2050nm附近被动式高光谱成像仪测量二氧化碳(CO2)的含量,以及太阳出来后一段时间内(一或两个小时)的含量变化;由此算出农作物新陈代谢的速度,从而判断作物是否健康;同时利用现有商用的氧气和二氧化碳测量仪作为辅助检测手段,与方法1数据进行相互校验,得到准确的作物新陈代谢速度;
方法2:作物及其土壤中含水量的太赫兹波监测方法;在农作物周围空气湿度较低时,通过太赫兹成像仪中的采集水分含量在太赫兹波段的成像数据,可以监测农作物中及其土壤中的含水量,进而评估农作物缺水程度;
方法3:作物养分的太赫兹波监测方法;通过太赫兹成像仪中的采集农作物光谱信息对比被动式高光谱成像仪中的光谱信息,在特征吸收峰上是否存在着较大差异,进一步判断作物是否缺少养分;
方法4:作物虫害及健康状况的太赫兹波及高光谱监测方法;结合当地实际情况,通过太赫兹成像仪采集虫害发病率高峰期的各个阶段的定时采集数据,并实时监测作物中的叶绿素的含量和不同时段的变化,创建农作物光谱生长过程中的反射率,通过对比太赫兹光谱数据库中的每个阶段农作物的平均反射率及吸收数据来判断农作物是否受病害胁迫。
方法1包括方法1-1,方法1-2和方法1-3;
方法1-1为:氧气(CO2)、二氧化碳(O2)含量的辅助测量手段;目前市场上大部分是利用红外光源及相应的探测器来测量农作物周围空间的氧气和二氧化碳的。比如利用近红外发冷光来得知氧气的增减情况,随着氧气度的增加而降低发光度,产生猝灭效应,相应的产品有手持式FireStingGO2氧气测量仪等;还有利用红外吸收光谱技术测量二氧化碳含量和温度,相应的产品有手持式室内空气检测器Telaire T7000系列等。这些产品可以也安装在农作物周围,并加上无线数据传输功能,与万维网或与本发明中的无人机硬件平台相连,从而将作为本发明中测量氧气(O2)、二氧化碳(CO2)含量的辅助手段。
方法1-2为:对二氧化碳(CO2)含量的太赫兹波及高光谱成像办法;本发明采用两个相互应证及确认的办法测量CO2含量。波长为2050nm附近CO2的吸收带用高光谱成像来测量CO2的含量。当CO2含量高时,2050nm附近的光谱被大量吸收因而成该高光谱像就呈黑色,反之当CO2含量低时,该段高光谱像会呈亮色。同时本发明也用CO2的同位素(17OCO及18OCO)在太赫兹波谱中的吸收频率点成像。以此来测量CO2的浓度,其测量原理与2050nm高光谱测量CO2含量法一样,因而准确度也很高。
方法1-3为:对氧气(O2)含量的太赫兹波及高光谱成像办法;同时本发明也用氧气在太赫兹波谱中的吸收频率点(50-60GHz或119GHz)来成像来测量O2的浓度,其测量原理与太赫兹波谱测量CO2含量法一样,因而准确度也很高。
综合方法1-1、方法1-2和方法1-3,农作物附近的O2、CO2水平可以用来估量作物的光合作用速度。
方法2具体表现为:农作物周围及地表的水份测量;本发明也同时用水分子(H2O)在太赫兹波谱中的吸收频率点(约180GHz或330GHz)来成像来测量农作物周围及地表的水份浓度,其测量原理与太赫兹波测量O2含量法一样。当H2O吸收频率点的太赫兹脉冲波从无人机上发出后,该太赫兹波在农作物及地表间经过多次反射、折射、透射及吸收等物理过程,最终形成该频率的太赫兹波在农作物至地表空间中的空间分布。当植物中的水含量高时,更多的太赫兹波被吸收,因而植物就会比较暗。反之,若植物中的水含量低时,被吸收的太赫兹波的量较少,因而植物就会比较明亮。根据随太赫兹波的强弱变化而变化的图像的颜色深度变化,可以测量植物内水分含量及分布。当无人机上的太赫兹接收系统的对焦到这个空间时,就能根据图像的亮度反应该空间的H2O含量。像亮度越高,H2O含量越低。无人机上的太赫兹接收系统的亮度信号可以转化为数字信号用于计算。本发明也同时用1300-2000nm的高光谱成像来测量H2O含量。通常健康植物因为其内部有足够的水份含量,会对这段光谱产生较强的反射,因而在该波段产生较高亮度的高光谱。本发明同时用1300-2000nm与太赫兹所测得的H2O含量相对比综合起来以提高测量准确度。
方法3具体表现为:农作物农学参数测量;利用检测作物生育期内在400-1300nm范围内的反射光谱,得到叶面积指数、生物量、叶片等参数及冠层叶绿素含量等农学参数。
方法4具体表现为:太赫兹波用以检测农作物虫害状况;当植物遭受病虫害侵染后,主要有两种表现形式:一是植物外部形态的变化,外部形态变化包括有落叶、卷叶,叶片幼芽被吞噬,枝条枯萎,导致冠层形状发生变化:二是内部生理变化,内部生理变化则表现于叶绿素组织遭受破坏,光合作用,养分水分吸收、运输、转化等机能衰退。这些形态的或生理的变化会在太赫兹波及400-2000nm高光谱内导致植物光谱特征发生变化。受害绿色植物的光谱特性与健康绿色植物的光谱特性相比,某些特征波长的值会发生不同程度的变化。
农作物监测系统的运行步骤为:
步骤1:采集与制作具有不同脱水程度的农作物和受害虫/疾病胁迫的农作物样品,利用太赫兹成像仪分析提取特征信息并且储存到太赫兹光谱数据库中;太赫兹光谱数据库中包含了收集有不同脱水程度或受虫害迫害的农作物样品在太赫兹波段存在的特征吸收峰,以及作物营养物和害虫身体在太赫兹波段的特征吸收峰;实验室测量和校准的样品数据信息,以及每个阶段作物的平均反射率数据。
步骤2:利用主动式太赫兹源对农作物目标进行太赫兹辐射,并且记录反射光谱,并且按顺序分析作物周围的氧气(O2)和二氧化碳(CO2)的含量,作物中水分的含量,以及是否存在可能虫害;对采集到农作物光谱信息与光谱数据库中的高光谱在特征吸收峰进行比对,如果存在较大差异,则进一步判断是否由缺少某特定养分所致;
步骤3:按照指定的时间间隔采集数据,从太阳出来前的水分含量开始,每两个小时采集一次数据,监测作物中的含水量和不同时段的变化,得到农作物中水分的扩散图像,提取平均扩散系数,观察局部和各向异性变化的扩散系数,进而评估水化程度;
步骤4:按照指定的时间间隔采集数据,从太阳出来前的氧气(O2)和二氧化碳(CO2)的含量以及出来后一、两个小时的含量变化,由此算出作物新陈代谢的速度,从而判断作物是否健康;同时利用现有商用的氧气和二氧化碳测量仪作为辅助检测手段,与太赫兹波测量方法相互校验,得到准确的作物新陈代谢速度;
步骤5:结合当地实际情况,采集虫害发病率高峰期的各个阶段,每两个小时采集数据,并实时监测作物中的叶绿素的含量和不同时段的变化,创建农作物光谱生长过程中的反射率,通过对比光谱数据库的反射率来判断作物否受病害胁迫;
步骤6:无人机返航后,所有的数据备份到数据中心,并且生成检测报告和报表,对相应数据做出解释。
其中,步骤2中的数据处理流程如图4所示,太赫兹相机采集的数据经过标定、位置校正、重新合成图像数据之后,还经过去除背景信号以及噪声去除等预处理过程,得到的数据进一步经小波变化后提取特征,并且经过归一化聚类分析,辅助以神经网络测试之后,得到特征数据,用以后续的比对
其中,步骤1包括以下步骤:
a)采集与制作具有不同脱水程度的农作物和受害虫/疾病胁迫的农作物样品;
b)在实验室环境测量和校准样品的太赫兹光谱响应,找出用于监测作物某些疾病最敏感的频率范围。对于本系统,频率选择为118.75GHz、154.5GHz以及325GHz,分别对应二氧化碳、氧气分子、作物营养物和害虫身体在太赫兹谱的某个吸收特征频率点;
c)根据选择的工作频率点选择一组紧凑型、轻量化的高功率宽带太赫兹源;
d)对样品使用高功率太赫兹源进行辐射,利用紧凑型轻型太赫兹相机采集和记录光谱信息;
e)改变样品的位置、角度、朝向,多次重复测量数据;
f)太赫兹相机信号采集后需经过标定,去噪,去除背景参考信号等预处理步骤,然后通过小波或者傅里叶变换提取出有价值的信息;
g)对采集的大量太赫兹相机信号数据采用神经网络和聚类分析,提取其特征信息并且保存到数据库中。
其中步骤(g)中对作物水分的特征提取采用了如下规律,当太赫兹波穿过水分子时,水结构中的氢键受激产生共振,水分子偶极发生旋转取向,并经弛像形成新的氢键网络。水分子间在很短时间内发生相互作用,并在太赫兹波段(0.01-3THz)产生共振和弛像,形成对太赫兹波的强烈吸收,含水量低的区域对太赫兹波吸收少透过性高;反之含水量高的区域透过率低。在提取水分的特征光谱的同时,还对植物体内水分的分布方式和运输过程进行研究,了解树叶内部水分含量和不同时段的变化,观测植物根茎水分动态的变化等等。不同植物的不同含水量的样品经过标定之后,通过太赫兹光谱系统进行测量,测量结果经过分析保持到数据库,作为之后测量计算的依据。对植物虫害的特征提取采用了如下规律,当植物生长健康,处于生长期高峰,叶绿素含量高时,“绿峰”向蓝光方向偏移,而植物因病虫危害或缺素而“失绿”时,“绿峰”则向红光方向偏移。在近红外波段绿色植物的光谱反射率取决于叶片内部的细胞结构。一般认为健康叶片的海绵状叶肉组织的所有空间都充满水分而膨胀时,对任何辐射都是一种良好的反射体,间插在叶肉组织的栅状柔软网胞组织,吸收可见光中的蓝光和红光而反射绿光。当植物受病害侵害时,叶片组织的水分代谢受到阻碍,此后随着病虫害危害的加重,植物细胞结构遭到破坏,各种色素的含量也随之减少,导致叶片对近红外辐射的反射能力减少。
其中,太赫兹反射光谱成像系统实现如图3所示;太赫兹脉冲波从无人机上发出后,该太赫兹波在农作物及地表间经过多次反射、折射、透射及吸收等物理过程,最终形成该频率的太赫兹波在农作物至地表空间中的空间分布,当无人机上的太赫兹接收系统的对焦到这个空间时,成像的亮度就反映了该空间的待测物含量。像亮度越高,含量越低,反之,像亮度越低,含量越高。无人机上的太赫兹接收系统的亮度信号最后被转化为数字信号用于后续软件计算。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种无人机载的太赫兹波及高光谱遥感农作物监测系统,包括硬件平台和监测方法;其特征在于:所述硬件平台为无人机,且所述无人机内搭载太赫兹反射光谱成像系统和被动式高光谱成像仪器,所述太赫兹反射光谱成像系统包括主动式太赫兹源、太赫兹相机和太赫兹成像仪;所述太赫兹源发射太赫兹波至农作物及地表间,所述太赫兹相机接收太赫兹波在农作物及地表间经过多次反射、折射、透射及吸收并最终形成太赫兹波在农作物至地表空间中的空间分布反射波数据,所述太赫兹相机将反射波数据传输到太赫兹成像仪中,并形成对应的太赫兹波成像数据。
2.根据权利要求1所述的一种无人机载的太赫兹波及高光谱遥感农作物监测系统,其特征在于:所述太赫兹成像仪内置有太赫兹探测线路、电光/光电转换模块、数模/模数转换模块、数据存储模块和太赫兹光谱数据库。
3.根据权利要求2所述的一种无人机载的太赫兹波及高光谱遥感农作物监测系统,其特征在于:所述太赫兹光谱数据库收集有不同脱水程度或受虫害迫害的农作物样品在太赫兹波段存在的特征吸收峰,农作物害虫身体在太赫兹波段的特征吸收峰,实验室测量和校准的样品数据信息,每个阶段农作物的平均反射率及吸收数据。
4.根据权利要求1所述的一种无人机载的太赫兹波及高光谱遥感农作物监测系统,其特征在于:所述无人机为商用改装无人机,所述被动式高光谱成像仪为可见光以及近红外光频段的400-2050nm高光谱成像仪,所述无人机上还搭载一组商用的氧气、二氧化碳含量测试仪。
5.根据权利要求1所述的一种无人机载的太赫兹波及高光谱遥感农作物监测系统,其特征在于:所述监测方法包括如下方法:
方法1:作物新陈代谢速度的太赫兹波及高光谱监测方法;通过主动式太赫兹源发射太赫兹波,并通过太赫兹波测量从太阳出来前的氧气(O2)及二氧化碳(17OCO及18OCO)的含量,同时通过用2050nm附近被动式高光谱成像仪测量二氧化碳(CO2)的含量,以及太阳出来后一段时间内(一或两个小时)的含量变化;由此算出农作物新陈代谢的速度,从而判断作物是否健康;同时利用现有商用的氧气和二氧化碳测量仪作为辅助检测手段,与方法1数据进行相互校验,得到准确的作物新陈代谢速度;
方法2:作物及其土壤中含水量的太赫兹波监测方法;在农作物周围空气湿度较低时,通过太赫兹成像仪中的采集水分含量在太赫兹波段的成像数据,可以监测农作物中及其土壤中的含水量,进而评估农作物缺水程度;
方法3:作物养分的太赫兹波监测方法;通过太赫兹成像仪中的采集农作物光谱信息对比被动式高光谱成像仪中的光谱信息,在特征吸收峰上是否存在着较大差异,进一步判断作物是否缺少养分;
方法4:作物虫害及健康状况的太赫兹波及高光谱监测方法;结合当地实际情况,通过太赫兹成像仪采集虫害发病率高峰期的各个阶段的定时采集数据,并实时监测作物中的叶绿素的含量和不同时段的变化,创建农作物光谱生长过程中的反射率,通过对比太赫兹光谱数据库中的每个阶段农作物的平均反射率及吸收数据来判断农作物是否受病害胁迫;
所述方法1包括方法1-1,方法1-2和方法1-3;所述方法1-1为:氧气(CO2)、二氧化碳(O2)含量的辅助测量手段;所述方法1-2为:对二氧化碳(CO2)含量的太赫兹波及高光谱成像办法;所述方法1-3为:对氧气(O2)含量的太赫兹波及高光谱成像办法;所述方法2具体表现为:农作物周围及地表的水份测量;所述方法3具体表现为:农作物农学参数测量;所述方法4具体表现为:太赫兹波用以检测农作物虫害状况。
6.根据权利要求1所述的一种无人机载的太赫兹波及高光谱遥感农作物监测系统,其特征在于:包括监测步骤,所述监测步骤为:
步骤1:采集与制作具有不同脱水程度的农作物和受害虫/疾病胁迫的农作物样品,利用太赫兹成像仪分析提取特征信息并且储存到太赫兹光谱数据库中;太赫兹光谱数据库中包含了收集有不同脱水程度或受虫害迫害的农作物样品在太赫兹波段存在的特征吸收峰,以及作物营养物和害虫身体在太赫兹波段的特征吸收峰;实验室测量和校准的样品数据信息,以及每个阶段作物的平均反射率数据。
步骤2:利用主动式太赫兹源对农作物目标进行太赫兹辐射,并且记录反射光谱,并且按顺序分析作物周围的氧气(O2)和二氧化碳(CO2)的含量,作物中水分的含量,以及是否存在可能虫害;对采集到农作物光谱信息与光谱数据库中的高光谱在特征吸收峰进行比对,如果存在较大差异,则进一步判断是否由缺少某特定养分所致;
步骤3:按照指定的时间间隔采集数据,从太阳出来前的水分含量开始,每两个小时采集一次数据,监测作物中的含水量和不同时段的变化,得到农作物中水分的扩散图像,提取平均扩散系数,观察局部和各向异性变化的扩散系数,进而评估水化程度;
步骤4:按照指定的时间间隔采集数据,从太阳出来前的氧气(O2)和二氧化碳(CO2)的含量以及出来后一、两个小时的含量变化,由此算出作物新陈代谢的速度,从而判断作物是否健康;同时利用现有商用的氧气和二氧化碳测量仪作为辅助检测手段,与太赫兹波测量方法相互校验,得到准确的作物新陈代谢速度;
步骤5:结合当地实际情况,采集虫害发病率高峰期的各个阶段,每两个小时采集数据,并实时监测作物中的叶绿素的含量和不同时段的变化,创建农作物光谱生长过程中的反射率,通过对比光谱数据库的反射率来判断作物否受病害胁迫;
步骤6:无人机返航后,所有的数据备份到数据中心,并且生成检测报告和报表,对相应数据做出解释。
7.根据权利要求6所述的一种无人机载的太赫兹波及高光谱遥感农作物监测系统,其特征在于:所述步骤1包括以下步骤:
a)采集与制作具有不同脱水程度的农作物和受害虫/疾病胁迫的农作物样品;
b)在实验室环境测量和校准样品的太赫兹光谱响应,找出用于监测作物某些疾病最敏感的频率范围。对于本系统,频率选择为118.75GHz、154.5GHz以及325GHz,分别对应二氧化碳、氧气分子、作物营养物和害虫身体在太赫兹谱的某个吸收特征频率点;
c)根据选择的工作频率点选择一组紧凑型、轻量化的高功率宽带太赫兹源;
d)对样品使用高功率太赫兹源进行辐射,利用紧凑型轻型太赫兹相机采集和记录光谱信息;
e)改变样品的位置、角度、朝向,多次重复测量数据;
f)太赫兹相机信号采集后需经过标定,去噪,去除背景参考信号等预处理步骤,然后通过小波或者傅里叶变换提取出有价值的信息;
g)对采集的大量太赫兹相机信号数据采用神经网络和聚类分析,提取其特征信息并且保存到数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089358.0A CN109187417B (zh) | 2018-09-18 | 2018-09-18 | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089358.0A CN109187417B (zh) | 2018-09-18 | 2018-09-18 | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109187417A true CN109187417A (zh) | 2019-01-11 |
CN109187417B CN109187417B (zh) | 2022-05-17 |
Family
ID=64908272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811089358.0A Active CN109187417B (zh) | 2018-09-18 | 2018-09-18 | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109187417B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110667843A (zh) * | 2019-08-19 | 2020-01-10 | 深圳市矽赫科技有限公司 | 一种搭载在无人机上的太赫兹探测装置及探测方法 |
CN111539447A (zh) * | 2020-03-17 | 2020-08-14 | 广东省智能制造研究所 | 一种基于高光谱与太赫兹数据深度融合的分类方法 |
CN113218898A (zh) * | 2021-05-06 | 2021-08-06 | 塔里木大学 | 一种基于光谱分析的植物病害遥感特征提取方法 |
CN113848193A (zh) * | 2021-09-23 | 2021-12-28 | 上海亨临光电科技有限公司 | 一种被动式太赫兹人体安检图像提取方法 |
CN114280000A (zh) * | 2021-12-24 | 2022-04-05 | 青岛理工大学 | 一种原油产地的溯源方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140064568A1 (en) * | 2012-09-03 | 2014-03-06 | Electronics And Telecommunications Research Institute | Apparatus and method for non-destructively diagnosing crop growth using terahertz waves |
CN104089924A (zh) * | 2014-07-10 | 2014-10-08 | 北京农业智能装备技术研究中心 | 基于太赫兹光谱技术设施内植物病害在线预警方法与系统 |
CN105510242A (zh) * | 2015-12-28 | 2016-04-20 | 南京农业大学 | 一种基于多旋翼无人机平台的作物生长监测方法及装置 |
CN105547366A (zh) * | 2015-12-30 | 2016-05-04 | 东北农业大学 | 微小型无人机农作物信息获取与施肥灌溉指导装置 |
CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
CN107392920A (zh) * | 2017-06-30 | 2017-11-24 | 北京农业信息技术研究中心 | 一种基于可见光‑太赫兹光的植株健康辨别方法和装置 |
CN206974900U (zh) * | 2017-06-30 | 2018-02-06 | 北京农业信息技术研究中心 | 一种基于太赫兹光的植株水分检测装置 |
CN207198033U (zh) * | 2017-06-30 | 2018-04-06 | 北京农业信息技术研究中心 | 一种基于太赫兹光的主茎秆顶芽识别装置 |
-
2018
- 2018-09-18 CN CN201811089358.0A patent/CN109187417B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140064568A1 (en) * | 2012-09-03 | 2014-03-06 | Electronics And Telecommunications Research Institute | Apparatus and method for non-destructively diagnosing crop growth using terahertz waves |
CN104089924A (zh) * | 2014-07-10 | 2014-10-08 | 北京农业智能装备技术研究中心 | 基于太赫兹光谱技术设施内植物病害在线预警方法与系统 |
CN105510242A (zh) * | 2015-12-28 | 2016-04-20 | 南京农业大学 | 一种基于多旋翼无人机平台的作物生长监测方法及装置 |
CN105547366A (zh) * | 2015-12-30 | 2016-05-04 | 东北农业大学 | 微小型无人机农作物信息获取与施肥灌溉指导装置 |
CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
CN107392920A (zh) * | 2017-06-30 | 2017-11-24 | 北京农业信息技术研究中心 | 一种基于可见光‑太赫兹光的植株健康辨别方法和装置 |
CN206974900U (zh) * | 2017-06-30 | 2018-02-06 | 北京农业信息技术研究中心 | 一种基于太赫兹光的植株水分检测装置 |
CN207198033U (zh) * | 2017-06-30 | 2018-04-06 | 北京农业信息技术研究中心 | 一种基于太赫兹光的主茎秆顶芽识别装置 |
Non-Patent Citations (3)
Title |
---|
C. WAGNER ET AL.: "In vivo chlorophyll monitoring of biological samples with THz-time-domain-spectroscopy", 《IEEE》 * |
刘建刚等: "无人机遥感解析田间作物表型信息研究进展", 《农业工程学报》 * |
姚建铨: "太赫兹技术及其应用", 《重庆邮电大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110667843A (zh) * | 2019-08-19 | 2020-01-10 | 深圳市矽赫科技有限公司 | 一种搭载在无人机上的太赫兹探测装置及探测方法 |
CN111539447A (zh) * | 2020-03-17 | 2020-08-14 | 广东省智能制造研究所 | 一种基于高光谱与太赫兹数据深度融合的分类方法 |
CN111539447B (zh) * | 2020-03-17 | 2022-04-22 | 广东省科学院智能制造研究所 | 一种基于高光谱与太赫兹数据深度融合的分类方法 |
CN113218898A (zh) * | 2021-05-06 | 2021-08-06 | 塔里木大学 | 一种基于光谱分析的植物病害遥感特征提取方法 |
CN113848193A (zh) * | 2021-09-23 | 2021-12-28 | 上海亨临光电科技有限公司 | 一种被动式太赫兹人体安检图像提取方法 |
CN114280000A (zh) * | 2021-12-24 | 2022-04-05 | 青岛理工大学 | 一种原油产地的溯源方法和系统 |
CN114280000B (zh) * | 2021-12-24 | 2024-01-12 | 青岛理工大学 | 一种原油产地的溯源方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109187417B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Zhang et al. | High throughput analysis of leaf chlorophyll content in sorghum using RGB, hyperspectral, and fluorescence imaging and sensor fusion | |
Ali et al. | Estimating leaf functional traits by inversion of PROSPECT: Assessing leaf dry matter content and specific leaf area in mixed mountainous forest | |
Usha et al. | Potential applications of remote sensing in horticulture—A review | |
CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
CN104198396B (zh) | 偏振-高光谱技术诊断作物氮磷钾亏缺的方法 | |
US11054368B2 (en) | System for detection of disease in plants | |
CN106092913A (zh) | 一种农作物营养安全检测方法及其系统 | |
CN107796764A (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
CN103940748B (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
Bi et al. | Estimating vertical chlorophyll concentrations in maize in different health states using hyperspectral LiDAR | |
Zhang et al. | High-throughput phenotyping of plant leaf morphological, physiological, and biochemical traits on multiple scales using optical sensing | |
Belwalkar et al. | Evaluation of SIF retrievals from narrow-band and sub-nanometer airborne hyperspectral imagers flown in tandem: Modelling and validation in the context of plant phenotyping | |
Yuhao et al. | Rice Chlorophyll Content Monitoring using Vegetation Indices from Multispectral Aerial Imagery. | |
Zhang et al. | Differentiation of cotton from other crops at different growth stages using spectral properties and discriminant analysis | |
CN108732137A (zh) | 基于高光谱遥感数据估算植物物种多样性的模型及方法 | |
Liu et al. | Estimating the forage neutral detergent fiber content of Alpine grassland in the Tibetan Plateau using hyperspectral data and machine learning algorithms | |
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 | |
CN102759510A (zh) | 一种油菜冠层信息光谱检测方法 | |
Sun | Crop vegetation indices | |
Li et al. | BRDF effect on the estimation of canopy chlorophyll content in paddy rice from UAV-based hyperspectral imagery | |
Perbandt et al. | Effects of changing simulated sky cover on hyperspectral reflectance measurements for dry matter yield and forage quality prediction | |
Zhao et al. | Solar-induced chlorophyll fluorescence extraction based on heterogeneous light distribution for improving in-situ chlorophyll content estimation | |
Majeke et al. | Imaging spectroscopy of foliar biochemistry in forestry environments | |
Perbandt et al. | Off-nadir hyperspectral measurements in maize to predict dry matter yield, protein content and metabolisable energy in total biomass |
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 |