CN109297963A - 土壤图像获取设备、土壤含水量检测系统以及检测方法 - Google Patents
土壤图像获取设备、土壤含水量检测系统以及检测方法 Download PDFInfo
- Publication number
- CN109297963A CN109297963A CN201811189730.5A CN201811189730A CN109297963A CN 109297963 A CN109297963 A CN 109297963A CN 201811189730 A CN201811189730 A CN 201811189730A CN 109297963 A CN109297963 A CN 109297963A
- Authority
- CN
- China
- Prior art keywords
- soil
- image
- moisture content
- acquisition equipment
- image acquisition
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 216
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000001035 drying Methods 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 15
- 238000005259 measurement Methods 0.000 abstract description 9
- 235000017060 Arachis glabrata Nutrition 0.000 description 11
- 244000105624 Arachis hypogaea Species 0.000 description 11
- 235000010777 Arachis hypogaea Nutrition 0.000 description 11
- 235000018262 Arachis monticola Nutrition 0.000 description 11
- 235000020232 peanut Nutrition 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 241000209094 Oryza Species 0.000 description 5
- 235000007164 Oryza sativa Nutrition 0.000 description 5
- 238000000643 oven drying Methods 0.000 description 5
- 235000009566 rice Nutrition 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 235000015816 nutrient absorption Nutrition 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005303 weighing Methods 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
- G01N21/84—Systems specially adapted for particular applications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了测量测试领域的一种土壤图像获取设备、土壤含水量检测系统以及检测方法，获取设备包括暗盒、内置光源、透明套筒、工业相机、三棱镜以及电源，工业相机安装于透明套筒内部上方，内置光源设置于透明套筒内部下方，三棱镜安装于内置光源上方，电源为内置光源和工业相机供电，暗盒设置于透明套筒顶部。计算机通过有线网络或者无线网络与土壤图像获取设备连接构成土壤含水量检测系统。检测方法为通过检测系统测试土壤含水率的方法。本发明能够通过土壤图像的灰度值及时分析出土壤的含水率，具有较高时效性和准确性。
Description
技术领域
本发明涉及测量测试领域，具体公开了一种土壤图像获取设备、土壤含水量检测系统以及检测方法。
背景技术
随着水资源供需矛盾的日益加剧，世界各国都十分重视发展节水型农业。农业用水约占我国用水总量的70％，其中的90％以上用于灌溉用水。在农业生产中，土壤水分是作物生长的至关重要因子，土壤水分含量高低将影响到作物对水分和养分吸收，不同的作物在生长过程中对土壤水分需求量不同，作物在适宜的土壤水分条件下长势较好。由此可见土壤水分含量对作物的生长起着非常重要的作用
目前对土壤水分进行测定的方式中应用比较普遍的主要有两种，一种是采集土壤后进行烘干测量法，另一种是应用电阻传感器土壤湿度仪测量法。烘干法测量土壤水分精确度高误差小，但测量工作量大且不能及时获取数据结果，同时还会破坏原状土壤结构。电阻传感器土壤湿度仪测量简便，可以及时获取土壤水分数据，但测量结果易受土壤溶盐和温度的影响，当土壤含水量较低时测量精准度下降。主要的方法有中子法、探地雷达法(GPR)、频域反射仪法(TDR)、时域反射仪法(FDR)以及遥感测定法，这些技术具有探测效率高，抗干扰因素强等优势，但是这些测定技术在土壤水分测定中仍处在不断发展完善阶段，并且由于仪器设备价格昂贵和操作复杂的特点在实际应用中较少。众多的土壤水分测定方法中其原理多数是采用测定土壤中水分介质来反映水分含量值，鲜有根据土壤颜色判定土壤水分的研究报道。
发明内容
本发明目的在提供一种土壤图像获取设备、土壤含水量检测系统以及检测方法，以解决现有技术中存在的土壤含水率检测精度低、检测及时性差的技术缺陷。
为实现上述目的，本发明提供了一种土壤图像获取设备，包括暗盒、内置光源、透明套筒、工业相机、三棱镜以及电源，工业相机安装于透明套筒内部上方以拍摄土壤图像，内置光源设置于透明套筒内部下方为工业相机拍摄提供光源，三棱镜安装于内置光源上方以调节内置光源的反射率，电源为内置光源和工业相机供电，暗盒设置于透明套筒顶部以对工业相机获取的图像进行存储和传输。
优选地，暗盒包括盒体和GPRS图像采集模块，GPRS图像采集组件模块设置于盒体内部并与工业相机进行数据交换以获取工业相机获取的土壤图像并通过GPRS网络将土壤图像进行无线发送。
优选地，透明套筒为有机玻璃套筒。
优选地，电源为蓄电池。
优选地，土壤图像获取设备还包括太阳能板，太阳能板设置于暗盒外部且与蓄电池连接为蓄电池充电提供电能。
依托于上述土壤图像获取设备，本发明还提供了一种土壤含水量检测系统，包括计算机以及如上述任一所述的土壤图像获取设备，计算机通过有线网络或者无线网络与土壤图像获取设备连接以接收土壤图像获取设备获取的图像并根据图像分析土壤含水率。
依托于上述土壤含水量检测系统，本发明还提供了一种土壤含水量检测方法，包括以下步骤：
将土壤图像获取设备中的透明套筒插入土壤中，通过透明套筒中的工业相机获取土壤图像，并通过暗盒将土壤图像传输至计算机；
使用图像处理软件对图像进行处理得到土壤图像平均灰度值；
将土壤图像平均灰度值与灰度值-含水率标准曲线进行对应得到土壤含水率。
优选地，灰度值-含水率标准曲线的制定包括以下步骤：
采集与土壤图像对应的土壤样本并通过烘干实验得出土壤样本的土壤含水率；
根据拟合函数对土壤含水率与土壤图像平均灰度值进行拟合得到灰度值-含水率标准曲线。
优选地，拟合函数包括曲线拟合函数和线性拟合函数，当土壤含水率大于30％时采用线性拟合函数进行拟合，当土壤含水率小于30％时采用曲线拟合函数进行拟合。
本发明具有以下有益效果：
1、本发明的土壤图像获取设备能够快速准确的采集土壤图像并通过无线网络将土壤图像进行发送，以供图像处理软件及时进行处理与分析，得到所采集土壤图像对应土壤的含水率。
2、本发明的土壤含水量检测系统通过土壤图像获取设备实时获取土壤图像，并通过计算机实时接收处理，及时分析出土壤的含水率，具有较高时效性和准确性。
3、本发明的土壤含水量检测方法制度了灰度值-含水率标准曲线，当获取了土壤图像灰度值时，能够快速准确的得到土壤含水率，具有较高时效性和准确性。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的土壤图像获取设备结构图；
图2是本发明优选实施例水稻田土壤含水率与灰度值的函数关系拟合图；
图3是本发明优选实施例水稻田土壤含水率与灰度值的函数关系拟合图。
其中，1、暗盒；2、内置光源；3、透明套筒；4、工业相机；5、三棱镜；6、电源；7、太阳能板。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1：
本发明提供了一种土壤图像获取设备，参见图1，包括暗盒1、内置光源2、透明套筒3、工业相机4、三棱镜5以及电源6，工业相机4安装于透明套筒3内部上方以拍摄土壤图像，内置光源2设置于透明套筒3内部下方为工业相机4拍摄提供光源，三棱镜5安装于内置光源2上方以调节内置光源2的反射率，电源6为内置光源2和工业相机4供电，暗盒1设置于透明套筒3顶部以对工业相机4获取的图像进行存储和传输。
测量时，先将透明套筒3埋入土壤中，透明套筒3内部下方的内置光源2在整个系统处于无外接光源干扰的条件下，将土壤图像反应到工业相机4。选用工业相机4能够有效的避免了白平衡的影响。三棱镜5的布置使得内置光源2反射率达到最大，最真实的反映土壤的颜色。暗盒1设置于透明套筒3顶部，当透明套筒3埋入土壤中时，暗盒1依然在土壤上方。暗盒1接收到工业相机4拍摄的土壤图像后进行保存和传输，使电脑终端根据土壤图像对土壤含水率进行分析。
优选地，暗盒1包括盒体和GPRS图像采集模块，GPRS图像采集组件模块设置于盒体内部并与工业相机4进行数据交换以获取工业相机4获取的土壤图像并通过GPRS网络将土壤图像进行无线发送。
暗盒1中设置有GPRS图像采集模块，GPRS图像采集模块采集到工业相机4拍摄的土壤图像后通过GPRS网络进行图像、信号的传递，最终通过计算机进行接收，然后通过图像识别处理软件进行分析最终得到所采集土壤图像对应土壤的含水率。暗盒1内还设置有为GPRS图像采集模块供电的电源6，光敏电阻控制开关等。暗盒1四周以及上端需密封，暗盒1补光技术采集作物根系层土壤图像，避开了自然条件下太阳光照的影响
优选地，透明套筒3为有机玻璃套筒。
有机玻璃套筒能够保证工业相机4的正常拍摄，经过多次试验测定对拍摄效果不存在影响。
优选地，电源6为蓄电池。
蓄电池能够在拍摄时为工业相机4和内置光源2供电，支持工业相机4和内置光源2的正常运转。
优选地，土壤图像获取设备还包括太阳能板7，太阳能板7设置于暗盒1外部且与蓄电池连接为蓄电池充电提供电能。
太阳能板7设置于暗盒1外部，能够利用太阳能为蓄电池进行充电。
依托于上述土壤图像获取设备，本发明还提供了一种土壤含水量检测系统，包括计算机以及如上述任一所述的土壤图像获取设备，计算机通过有线网络或者无线网络与土壤图像获取设备连接以接收土壤图像获取设备获取的图像并根据图像分析土壤含水率。
计算机通过Matlab软件对图像进行处理计算，得到土壤含水率。整个操作全程自动智能化，且不会破坏土壤环境。电脑端打开软件就能得到土壤水分信息，有着良好的可靠性、交互性、实时性和灵活性。
依托于上述土壤含水量检测系统，本发明还提供了一种土壤含水量检测方法，包括以下步骤：
将土壤图像获取设备中的透明套筒3插入土壤中，通过透明套筒3中的工业相机4获取土壤图像，并通过暗盒1将土壤图像传输至计算机；
使用图像处理软件对图像进行处理得到土壤图像平均灰度值；
将土壤图像平均灰度值与灰度值-含水率标准曲线进行对应得到土壤含水率。
优选地，灰度值-含水率标准曲线的制定包括以下步骤：
采集与土壤图像对应的土壤样本并通过烘干实验得出土壤样本的土壤含水率；
根据拟合函数对土壤含水率与土壤图像平均灰度值进行拟合得到灰度值-含水率标准曲线。
优选地，拟合函数包括曲线拟合函数和线性拟合函数，当土壤含水率大于30％时采用线性拟合函数进行拟合，当土壤含水率小于30％时采用曲线拟合函数进行拟合。
实施例2：
试验土壤取自湖南农业大学耘园实验基地的长年种植水稻的红壤和种植花生的红黄泥土。将水稻土编号为RS，花生土编号为PS，RS有机质含量18.49mg/kg，PS有机质含量21.36mg/kg。
土壤采集完成后将其在自然状态下风干，过2mm的筛网去除植物根系残渣，测初始含水量。称取过筛土壤100g于培养皿中，用量筒缓慢加水至土壤含水量达到饱和状态，记录加水量。将培养皿放入105℃的烘箱中，每隔一定时长从烘箱中取出培养皿称重记录水分减少量并在暗盒中对其进行补光拍照。采集的图像灰度值计算方法：图像是由一个个像素点构成，每个像素点的颜色是通过红绿蓝3基色组成，每个基色的值为0-255，将其转换成灰度值的方法是对像素点上的每种基色乘上1/3相累加，其值为0-255，0为全黑，255为全白。数字图像实质是一个数学矩阵，矩阵中的每一个元素就是图像的一个像素点，图像中的平均灰度值是对图像的每个像素点的三基色转换成灰度值进行累加然后除以像素点个数。
公式(1)中G(x)表示图像的灰度值，r(x)是红基色度值，g(x)是绿基色度值，b(x)是蓝基色度值。x表示像素点变量。
公式(2)中表示图像的平均灰度值，G(xi)表示图像的每个点的像素灰度值。
图像灰度值的统计通过matlab软件编写程序进行计算。
试验对两种类型土壤进行含水量与其对应的图像平均灰度值测定，对于水稻土分别选用10个培养皿装入饱和含水量的土壤进行烘干使含水量下降采集图像，数据结果如表1所示。由于每一个培养皿装入的土壤以及初始含水量的不同使土壤含水量下降也各不相同，因此每一组数据都由其独有的变化规律特征。试验为了对各组数据进行相关分析，分别提取出每组数据中土壤含水量为0％-5％、5％-10％、10％-15％、15％-20％、20％-25％、25％-30％、30％-35％、35％-40％、40％-45％、45％-50％、50％-55％、55％-60％的灰度值。将提取出每组数据的分段含水率进行离散分析，通过线性回归方程计算离差平方和最小的灰度值作为分段含水率中位数的灰度值。表1和表2分别为水稻田土壤含水量与其对应的图像平均灰度值和花生地土壤含水量与其对应的图像平均灰度值。表3和表4中计算出水稻土土壤分段含水率的中位数所对应的最小离差平方和的灰度值以及出花生地土壤分段含水率的中位数所对应的最小离差平方和的灰度值。
表1水稻田土壤含水量与其对应的图像平均灰度值
注N表示组号，试验共进行了10组重复试验，θ表示土壤含水量，gray表示土壤灰度值。
表2花生地土壤含水量与其对应的图像平均灰度值
注N表示组号，试验共进行了10组重复试验，θ表示土壤含水量，gray表示土壤灰度值。
表3水稻田土壤分段含水率对应平均灰度值的离散分析
表4水稻田土壤分段含水率对应平均灰度值的离散分析
试验通过多组重复试验对水稻田和花生地两种土壤含水量变化与灰度值变化进行离散分析，分别求出不同分段含水率中间值所对应的图像平均灰度值。采用最小二乘法对土壤含水率与灰度值变化趋势进行拟合，结果如图2、图3所示。图2(a)中是水稻田土壤与灰度值的线性拟合，通过含水率逐渐增加的灰度值的变化趋势可知，灰度值与土壤含水率呈非线性变化规律。图2(b)和图2(c)是非线性拟合，水稻田土壤含水率与灰度值是一种非线性变化关系，当土壤含水率较低时，灰度值较高，随着含水率的升高土壤图像灰度值下降，当土壤含水率超过30％时，含水率继续升高土壤图像灰度值上升。图2(a)的一次项拟合函数y＝-0.1629x+183.4713，拟合优度R2＝0.2357；图2(b)的二次项拟合函数y＝0.0231x2-1.5517x+197.4078，拟合优度R2＝0.9058；图2(c)的三次项拟合方程y＝-0.0003x3+0.0544x2-2.3044x+201.2471，拟合优度R2＝0.9733。水稻田土壤含水率与灰度值的函数拟合，三次项的拟合优度最好。图3(a)中是花生地土壤含水率与灰度值的变化趋势线性拟合，通过含水率逐渐增加灰度值的变化趋势可知，灰度值与土壤含水率呈非线性变化关系。图3(b)和图3(c)是非线性拟合，花生地土壤含水率与灰度值变化与水稻田类似，土壤含水率较低时灰度值较大，随着土壤含水率的升高土壤图像灰度值下降，当土壤含水率超过30％时，含水率继续升高土壤图像灰度值上升，当土壤含水率超过50％时，土壤图像灰度值下降。图3(a)的一次项拟合函数y＝-0.21x+180.0472，拟合优度R2＝0.3129；图3(b)的二次项拟合函数y＝0.036x2-2.5708x+212.3572，拟合优度R2＝0.8847；图3(c)的三次项拟合方程y＝-0.0017x3+0.2042x2-7.4668x+254.5079，拟合优度R2＝0.9815。花生地土壤含水率与灰度值的函数拟合，三次项的拟合优度最好。
试验根据拟合优度最佳的三次项数学模型对土壤含水量进行验证分析，试验对水稻田和花生地土壤分别选择了含水率不同的10组土壤应用两种方法进行测定，结果如表5所示。采用灰度图像的函数模型测得的水稻田土壤含水量与烘干法测得土壤含水量相比较偏差范围在-5.94％至2.42％，平均偏差绝对值为2.09％。灰度图像的函数模型测得花生地土壤含水量与烘干法测得土壤含水量相比较偏差范围在-3.82％至2.36％，平均偏差绝对值为1.78％。两种类型土壤均为含水率较大时，图像灰度值测量值与烘干法测量值结果偏差增大。这可能是土壤含水量较小时土壤颜色变化明显，当土壤含水量较大时土壤颜色变化较小，应用灰度图像数学模型拟合结果存在一定的偏差，试验检测的两种土壤偏差均在6％以下，说明拟合的数学模型能够较为准确地测定土壤含水量。
表5灰度值测定的土壤含水量与烘干法测定的含水量误差分析
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (9)
1.一种土壤图像获取设备，其特征在于，包括暗盒(1)、内置光源(2)、透明套筒(3)、工业相机(4)、三棱镜(5)以及电源(6)，所述工业相机(4)安装于所述透明套筒(3)内部上方以拍摄土壤图像，所述内置光源(2)设置于所述透明套筒(3)内部下方为所述工业相机(4)拍摄提供光源，所述三棱镜(5)安装于所述内置光源(2)上方以调节所述内置光源(2)的反射率，所述电源(6)为所述内置光源(2)和所述工业相机(4)供电，所述暗盒(1)设置于所述透明套筒(3)顶部以对所述工业相机(4)获取的图像进行存储和传输。
2.根据权利要求1所述的一种土壤图像获取设备，其特征在于，所述暗盒(1)包括盒体和GPRS图像采集模块，所述GPRS图像采集组件模块设置于所述盒体内部并与工业相机(4)进行数据交换以获取工业相机(4)获取的土壤图像并通过GPRS网络将土壤图像进行无线发送。
3.根据权利要求1所述的一种土壤图像获取设备，其特征在于，所述透明套筒(3)为有机玻璃套筒。
4.根据权利要求1所述的一种土壤图像获取设备，其特征在于，所述电源(6)为蓄电池。
5.根据权利要求4所述的一种土壤图像获取设备，其特征在于，所述土壤图像获取设备还包括太阳能板(7)，所述太阳能板(7)设置于所述暗盒(1)外部且与所述蓄电池连接为所述蓄电池充电提供电能。
6.一种土壤含水量检测系统，其特征在于，包括计算机以及如权利要求1-5任一所述的土壤图像获取设备，所述计算机通过有线网络或者无线网络与所述土壤图像获取设备连接以接收所述土壤图像获取设备获取的图像并根据图像分析土壤含水率。
7.一种使用权利要求6所述的土壤含水量检测系统的土壤含水量检测方法，其特征在于，包括以下步骤：
将土壤图像获取设备中的透明套筒(3)插入土壤中，通过所述透明套筒(3)中的工业相机(4)获取土壤图像，并通过暗盒(1)将土壤图像传输至计算机；
计算机通过图像处理软件对图像进行处理得到土壤图像平均灰度值；
将土壤图像平均灰度值与灰度值-含水率标准曲线进行对比得到土壤含水率。
8.根据权利要求7所述的土壤含水量检测方法，其特征在于，所述灰度值-含水率标准曲线的制定包括以下步骤：
采集与所述土壤图像对应的土壤样本并通过烘干实验得出土壤样本的土壤含水率；
根据拟合函数对土壤含水率与土壤图像平均灰度值进行拟合得到所述灰度值-含水率标准曲线。
9.根据权利要求8所述的土壤含水量检测方法，其特征在于，拟合函数包括曲线拟合函数和线性拟合函数，当土壤含水率大于30％时采用线性拟合函数进行拟合，当土壤含水率小于30％时采用曲线拟合函数进行拟合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811189730.5A CN109297963A (zh) | 2018-10-12 | 2018-10-12 | 土壤图像获取设备、土壤含水量检测系统以及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811189730.5A CN109297963A (zh) | 2018-10-12 | 2018-10-12 | 土壤图像获取设备、土壤含水量检测系统以及检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109297963A true CN109297963A (zh) | 2019-02-01 |
Family
ID=65162408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811189730.5A Pending CN109297963A (zh) | 2018-10-12 | 2018-10-12 | 土壤图像获取设备、土壤含水量检测系统以及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109297963A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110887761A (zh) * | 2019-12-07 | 2020-03-17 | 宁夏大学 | 一种表层土壤含水量测定方法及系统 |
| KR20210112301A (ko) * | 2019-03-11 | 2021-09-14 | 하우징 앤드 디벨로프먼트 보드 | 토양 및 토양 유형의 분류를 위한 장치, 시스템 및 방법 |
| CN113468742A (zh) * | 2021-06-30 | 2021-10-01 | 广州大学 | 一种基于机器视觉的土壤环境精准监控设备及方法 |
| CN113776982A (zh) * | 2021-09-22 | 2021-12-10 | 山东大学 | 一种基于机器视觉的石材含水率检测方法及装置 |
| CN117074403A (zh) * | 2023-08-17 | 2023-11-17 | 宁夏大学 | 一种土壤水分盐分信息自动化提取装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1789980A (zh) * | 2005-12-16 | 2006-06-21 | 浙江大学 | 基于近红外光谱的植物生长信息获取装置 |
| JP2006194821A (ja) * | 2005-01-17 | 2006-07-27 | Cti Science System Co Ltd | 土壌水分量の測定方法 |
| KR20130074949A (ko) * | 2011-12-27 | 2013-07-05 | 한국식품연구원 | 도정편차 측정 방법 및 장치 |
| KR101330828B1 (ko) * | 2012-06-25 | 2013-11-18 | (주)한국케트 | 콘크리트의 함수량을 측정하기 위한 수분함량측정기 |
| CN103743751A (zh) * | 2014-01-15 | 2014-04-23 | 唐山英莱科技有限公司 | 基于折射式双路会聚可调光路的无坡口对接焊缝检测系统 |
| CN203643359U (zh) * | 2014-01-15 | 2014-06-11 | 唐山英莱科技有限公司 | 一种基于折射成像的高反光表面同轴光路检测系统 |
| CN104155298A (zh) * | 2014-08-12 | 2014-11-19 | 哈尔滨工业大学 | 基于光强补偿及图像灰度值的土壤表层含水率测量方法 |
| CN104990900A (zh) * | 2015-07-22 | 2015-10-21 | 中国农业大学 | 土壤氮素和含水率测量装置及方法 |
| CN106442544A (zh) * | 2016-10-18 | 2017-02-22 | 凌云光技术集团有限责任公司 | 全景成像系统 |
| CN106442525A (zh) * | 2016-08-30 | 2017-02-22 | 石河子大学 | 用于核桃内部干瘪缺陷的在线检测方法 |
| CN207380758U (zh) * | 2017-10-31 | 2018-05-18 | 重庆师范大学 | 一种基于图像反演的土壤水分测定装置 |
| CN108537851A (zh) * | 2018-03-29 | 2018-09-14 | 湖南农业大学 | 一种土壤湿度的探测方法及其应用 |
| CN209387532U (zh) * | 2018-10-12 | 2019-09-13 | 湖南农业大学 | 土壤图像获取设备以及土壤含水量检测系统 |
-
2018
- 2018-10-12 CN CN201811189730.5A patent/CN109297963A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006194821A (ja) * | 2005-01-17 | 2006-07-27 | Cti Science System Co Ltd | 土壌水分量の測定方法 |
| CN1789980A (zh) * | 2005-12-16 | 2006-06-21 | 浙江大学 | 基于近红外光谱的植物生长信息获取装置 |
| KR20130074949A (ko) * | 2011-12-27 | 2013-07-05 | 한국식품연구원 | 도정편차 측정 방법 및 장치 |
| KR101330828B1 (ko) * | 2012-06-25 | 2013-11-18 | (주)한국케트 | 콘크리트의 함수량을 측정하기 위한 수분함량측정기 |
| CN103743751A (zh) * | 2014-01-15 | 2014-04-23 | 唐山英莱科技有限公司 | 基于折射式双路会聚可调光路的无坡口对接焊缝检测系统 |
| CN203643359U (zh) * | 2014-01-15 | 2014-06-11 | 唐山英莱科技有限公司 | 一种基于折射成像的高反光表面同轴光路检测系统 |
| CN104155298A (zh) * | 2014-08-12 | 2014-11-19 | 哈尔滨工业大学 | 基于光强补偿及图像灰度值的土壤表层含水率测量方法 |
| CN104990900A (zh) * | 2015-07-22 | 2015-10-21 | 中国农业大学 | 土壤氮素和含水率测量装置及方法 |
| CN106442525A (zh) * | 2016-08-30 | 2017-02-22 | 石河子大学 | 用于核桃内部干瘪缺陷的在线检测方法 |
| CN106442544A (zh) * | 2016-10-18 | 2017-02-22 | 凌云光技术集团有限责任公司 | 全景成像系统 |
| CN207380758U (zh) * | 2017-10-31 | 2018-05-18 | 重庆师范大学 | 一种基于图像反演的土壤水分测定装置 |
| CN108537851A (zh) * | 2018-03-29 | 2018-09-14 | 湖南农业大学 | 一种土壤湿度的探测方法及其应用 |
| CN209387532U (zh) * | 2018-10-12 | 2019-09-13 | 湖南农业大学 | 土壤图像获取设备以及土壤含水量检测系统 |
Non-Patent Citations (4)
| Title |
|---|
| 仲志燕;居玮;: "土壤含水量检测系统的设计", 电脑知识与技术, no. 11, 15 April 2013 (2013-04-15) * |
| 刘斐;陈军;慕军营;吴朋涛;韩文霆;: "土壤温度检测及其与含水率关系研究", 干旱地区农业研究, no. 03, 10 May 2013 (2013-05-10) * |
| 朱元骏;王云强;邵明安;: "利用土壤表面灰度值反演表层土壤含水率", 中国科学:地球科学, no. 12, 15 December 2010 (2010-12-15) * |
| 罗东城;张立成;廖健程;马小岳;谢仕豪;胡德勇;: "基于图像灰度值模型测定土壤含水量研究", 山东农业科学, no. 07, 30 July 2020 (2020-07-30) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210112301A (ko) * | 2019-03-11 | 2021-09-14 | 하우징 앤드 디벨로프먼트 보드 | 토양 및 토양 유형의 분류를 위한 장치, 시스템 및 방법 |
| KR102655527B1 (ko) * | 2019-03-11 | 2024-04-09 | 하우징 앤드 디벨로프먼트 보드 | 토양 및 토양 유형의 분류를 위한 장치, 시스템 및 방법 |
| CN110887761A (zh) * | 2019-12-07 | 2020-03-17 | 宁夏大学 | 一种表层土壤含水量测定方法及系统 |
| CN113468742A (zh) * | 2021-06-30 | 2021-10-01 | 广州大学 | 一种基于机器视觉的土壤环境精准监控设备及方法 |
| CN113468742B (zh) * | 2021-06-30 | 2023-08-29 | 广州大学 | 一种基于机器视觉的土壤环境精准监控设备及方法 |
| CN113776982A (zh) * | 2021-09-22 | 2021-12-10 | 山东大学 | 一种基于机器视觉的石材含水率检测方法及装置 |
| CN117074403A (zh) * | 2023-08-17 | 2023-11-17 | 宁夏大学 | 一种土壤水分盐分信息自动化提取装置 |
| CN117074403B (zh) * | 2023-08-17 | 2024-05-28 | 宁夏大学 | 一种土壤水分盐分信息自动化提取装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109297963A (zh) | 土壤图像获取设备、土壤含水量检测系统以及检测方法 | |
| Gallo et al. | Techniques for measuring intercepted and absorbed Photosynthetically Active Radiation in Corn Canopies 1 | |
| Sakamoto et al. | Assessment of digital camera-derived vegetation indices in quantitative monitoring of seasonal rice growth | |
| CN101604359B (zh) | 图像法水稻氮肥施肥推荐方法 | |
| Jonckheere et al. | Allometry and evaluation of in situ optical LAI determination in Scots pine: a case study in Belgium | |
| CN102331244B (zh) | 利用普通数码相机获取水稻冠层叶面积指数的方法 | |
| Widlowski | On the bias of instantaneous FAPAR estimates in open-canopy forests | |
| Goodin et al. | A technique for monitoring ecological disturbance in tallgrass prairie using seasonal NDVI trajectories and a discriminant function mixture model | |
| Jia et al. | Use of a digital camera to monitor the growth and nitrogen status of cotton | |
| CN102778212A (zh) | 一种利用数码相机获取水稻冠层叶面积指数的方法及装置 | |
| CN102565061A (zh) | 作物生物量无损检测图像采集处理装置及检测方法 | |
| CN103955938A (zh) | 一种基于移动互联网模式和叶片颜色分析的小麦生长状态诊断方法 | |
| CN209387532U (zh) | 土壤图像获取设备以及土壤含水量检测系统 | |
| CN113866104B (zh) | 一种基于数码相机检测温室番茄氮素营养状况的方法 | |
| CN109059808A (zh) | 叶片面积测量方法、系统、存储介质及移动终端 | |
| Ewald et al. | LiDAR derived forest structure data improves predictions of canopy N and P concentrations from imaging spectroscopy | |
| Yuan et al. | Diagnosis of nitrogen nutrition of rice based on image processing of visible light | |
| CN110398465A (zh) | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 | |
| CN102445421A (zh) | 一种用于快速诊断烤烟氮素叶色卡的制备方法 | |
| CN112465893A (zh) | 一种植被叶片面积测量方法、装置、终端及存储介质 | |
| CN109738438B (zh) | 一种小麦叶片衰老程度快速测量方法 | |
| Tian et al. | Monitoring leaf photosynthesis with canopy spectral reflectance in rice | |
| Pasichnyk et al. | Remote field monitoring results feasibility assessment for energy crops yield management. | |
| Martinez et al. | Assessing the use of reflectance spectroscopy in determining CsCl stress in the model species Arabidopsis thaliana | |
| Martin et al. | Estimating forest canopy characteristics as inputs for models of forest carbon exchange by high spectral resolution remote sensing |
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 |