CN111929254B - 多波段高光谱融合的作物养分亏缺分析方法、装置和设备 - Google Patents
多波段高光谱融合的作物养分亏缺分析方法、装置和设备 Download PDFInfo
- Publication number
- CN111929254B CN111929254B CN202010775368.0A CN202010775368A CN111929254B CN 111929254 B CN111929254 B CN 111929254B CN 202010775368 A CN202010775368 A CN 202010775368A CN 111929254 B CN111929254 B CN 111929254B
- Authority
- CN
- China
- Prior art keywords
- data
- reflection
- reflection data
- preset
- hyperspectral
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 107
- 230000004927 fusion Effects 0.000 title claims abstract description 70
- 235000018343 nutrient deficiency Nutrition 0.000 title claims abstract description 33
- 235000015097 nutrients Nutrition 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000007499 fusion processing Methods 0.000 claims abstract description 23
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims description 18
- 238000012706 support-vector machine Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004720 fertilization Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000000701 chemical imaging Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- 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 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
-
- 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
- G01N2021/1738—Optionally different kinds of measurements; Method being valid for different kinds of measurement
- G01N2021/1742—Optionally different kinds of measurements; Method being valid for different kinds of measurement either absorption or reflection
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请揭示了一种多波段高光谱融合的作物养分亏缺分析方法、装置、计算机设备和存储介质，所述方法包括：执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据；执行第二反射数据采集指令；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令；根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。从而提高了养分分析的准确性。
Description
技术领域
本申请涉及到计算机领域，特别是涉及到一种多波段高光谱融合的作物养分亏缺分析方法、装置、计算机设备和存储介质。
背景技术
在作物生产中，施肥是提高产量和作物生长品质的重要举措之一，但由于目前缺乏对作物营养状态信息的实时科学了解，不能做到按需施肥，存在施肥不当或盲目过多施肥的情况，导致作物产量品质下降、肥料利用率低、农业生产成本提高以及环境污染等一系列问题。因此加强作物养分的实时监测，实现作物养分胁迫早期的诊断，对指导精准按需施肥有重要意义。目前植物养分信息诊断的常规诊断主要方法有外观诊断法、化学诊断法、叶绿素计诊断法等。但这些方法中存在各自弊端。因此研究无损快速的作物养分信息检测技术，已成为现代农业研究热点。
在作物生长过程中，其养分状况将导致叶片颜色、厚度、形状、结构及成分含量等发生一系列变化。高光谱成像技术是传统的二维成像技术和光谱技术有机的结合，能同时获取研究对象的图像信息和光谱信息，实现研究对象外部特性(如大小、形状、颜色、纹理等)和内部信息(结构和化学组分)的同时检测。但是，传统的高光谱成像技术是有缺陷的，其原因在于，由于高光谱成像技术的局限性，普通的成像高光谱相机仅能对较窄的波段的数据进行采集，例如可见/近红外高光谱相机的波长范围为400-1000nm，而在对作物养分信息分析的过程中，实际上是更广的波长范围的高光谱数据，能够得到更准确的分析结果，但是传统技术的高光谱相机仅能对较窄的波段的数据进行采集，因此，传统技术在作物养分亏缺分析方面的分析结果的准确性有待改善。
发明内容
本申请提出一种多波段高光谱融合的作物养分亏缺分析方法，包括以下步骤：
S1、调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；
S2、执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
S3、持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；
S4、根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；
S5、将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。
进一步地，所述执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据的步骤S1，包括：
S101、将所述待分析作物置于预设的传送带上的第一预设位置，同时控制预设的光发生器集群以使所述第一预设位置上所述待分析作物所处的光环境为预设的第一光环境；
S102、执行第一反射数据采集指令，以利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据；
S103、获取所述第一预设位置与所述第一高光谱相机的第一相对位置；
所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：
S201、利用所述传送带将所述待分析作物移动至第二预设位置，同时控制预设的光发生器集群以使所述第二预设位置上所述待分析作物所处的光环境为预设的第二光环境；其中，所述第二预设位置与所述n个高光谱相机中的第二高光谱相机的相对位置等于所述第一相对位置；所述第二光环境与所述第一光环境相同；
S202、执行第二反射数据采集指令，以利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
所述持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据的步骤S3，包括：
S301、持续进行利用传送带移动待分析作物的操作，直至将所述待分析作物移动至第n预设位置；控制预设的光发生器集群以使除第一预设位置和第二预设位置之外的n-2个预设位置上所述待分析作物所处的光环境分别为预设的第三-第n光环境；其中，所述n-2个预设位置分别与所述n个高光谱相机中的第三-第n高光谱相机的相对位置均等于所述第一相对位置；所述第三-第n光环境均与所述第一光环境相同；
S302、在每次利用传送带移动待分析作物之后，均进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据。
进一步地，所述第一光环境等于所述第二光环境；n等于2；所述调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数的步骤S1和所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：
S1211、调用预设的n个高光谱相机，并将待分析作物置于预设的第一光环境下；
S1212、采用预设的分光装置，将所述待分析作物在预设的第一光环境下的反射光划分为第一反射光和第二反射光；所述第一反射光与所述第二反射光的光强比值为固定数值；
S1213、执行第一反射数据采集指令，以使所述n个高光谱相机中的第一高光谱相机，获取所述第一反射光；
S1214、执行第二反射数据采集指令，以使所述n个高光谱相机中的第二高光谱相机，获取所述第二反射光。
进一步地，所述第一光环境等于所述第二光环境；n等于2；所述第一高光谱相机的成像波段与所述第二高光谱相机的成像波段存在互相覆盖的波段区间；所述第一高光谱相机和所述第二高光谱相机连线的中垂线上设置有不完全反射介质，所述不完全反射介质能够对所述互相覆盖的波段区间的光进行不完全反射，并且当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值；所述待分析作物与所述第二高光谱相机在所述不完全反射介质的同一侧，并且所述待分析作物与所述第一高光谱相机的连线与所述不完全反射介质所在平面的角度等于所述指定角度；
所述调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数的步骤S1和所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：
S1221、调用预设的n个高光谱相机，并将待分析作物置于预设的第一光环境下；
S1222、利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下透过所述不完全反射介质的第一初始反射数据；
S1223、利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第一光环境下经由所述不完全反射介质反射而得的第二初始反射数据；
S1224、根据所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值，对所述第一初始反射数据和所述第二初始反射数据进行数据增强处理，从而分别得到第一反射数据和第二反射数据。
进一步地，n等于2，所述第一反射数据和所述第二反射数据具有互相重合的波段，所述第一反射数据的最小波长数值小于所述第二反射数据的最小波长数值；所述根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据的步骤S4，包括：
S401、从所述第一反射数据中提取第一强度值，以及从所述第二反射数据中提取第二强度值；其中所述第一强度值和所述第二强度值对应的波长数值相同，并且所述第一强度值和所述第二强度值对应的波长数值处于所述第一反射数据和所述第二反射数据互相重合的波段中；
S402、根据公式：
b1＝(R1'-1)/(R2'-1),c1＝(R1'-R2')/(1-R2')，
计算出参数b1和c1；其中R1’为所述第一强度值，R2’为所述第二强度值；
S403、根据公式：R1”＝R2×b1+c1，将所述第二反射数据转化为第二匹配数据；其中R2为所述第二反射数据，所述R1”为所述第二匹配数据；
S404、删除所述第一反射数据中与所述第二反射数据具有互相重合的波段部分，并将进行删除处理后的第一反射数据与所述第二匹配数据进行曲线连接，从而得到融合数据。
进一步地，所述养分分析模型基于支持向量机模型训练而成，所述将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果的S5之前，包括：
S41、从预设的样本数据库中调取指定数量的样本数据，并根据预设比例将所述样本数据划分为训练数据和验证数据；其中所述样本数据由训练用融合数据以及与所述训练用融合数据对应的人工标识构成，所述人工标识为养分亏缺或者养分不亏缺；
S42、将所述训练数据输入预设的支持向量机模型中进行训练，从而得到暂时支持向量机模型；
S43、利用所述验证数据对所述暂时支持向量机模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；
S44、若验证结果为验证通过，则将所述暂时支持向量机模型记为养分分析模型。
本申请提供一种多波段高光谱融合的作物养分亏缺分析装置，包括：
第一反射数据采集指令执行单元，用于调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；
第二反射数据采集指令执行单元，用于执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
第n反射数据采集指令执行单元，用于持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；
数据融合单元，用于根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；
养分分析结果获取单元，用于将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。
本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的多波段高光谱融合的作物养分亏缺分析方法、装置、计算机设备和存储介质，调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。从而实现了更广的波长范围的高光谱数据的获取，并分析出养分分析结果。其中，由于本申请采用了数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到的更广的波长范围的高光谱数据，能够更全面的反应作物的养分状态，使得后续以养分分析模型输出更准确的养分分析结果成为了可能。
另外，要进行光谱融合必须要克服的一大难点在于，如何保证n个反射数据是来自于同时且同位置的反射数据，这也是本申请的另外一大特点，即：所述第一光环境等于所述第二光环境；n等于2；所述第一高光谱相机的成像波段与所述第二高光谱相机的成像波段存在互相覆盖的波段区间；所述第一高光谱相机和所述第二高光谱相机连线的中垂线上设置有不完全反射介质，所述不完全反射介质能够对所述互相覆盖的波段区间的光进行不完全反射，并且当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值；所述待分析作物与所述第二高光谱相机在所述不完全反射介质的同一侧，并且所述待分析作物与所述第一高光谱相机的连线与所述不完全反射介质所在平面的角度等于所述指定角度。从而使n个高光谱相机获取同时且同位置的反射数据，以使得后续的光谱融合及养分分析的可靠性得到了保障。
附图说明
图1为本申请一实施例的多波段高光谱融合的作物养分亏缺分析方法的流程示意图；
图2为本申请一实施例的多波段高光谱融合的作物养分亏缺分析装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图；
图4为是本发明一实施例的待分析作物的融合数据曲线图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例提供一种多波段高光谱融合的作物养分亏缺分析方法，包括以下步骤：
S1、调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；
S2、执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
S3、持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；
S4、根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；
S5、将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。
如上述步骤S1-S3所述，调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据。其中，高光谱相机是指能够采集高光谱图像的相机，而高光谱图像就是在光谱维度上进行了细致的分割，不仅仅是传统所谓的黑、白或者R、G、B的区别，而是在光谱维度上也有N个通道。因此，通过高光谱设备获取到的是一个数据立方，不仅有图像的信息，并且在光谱维度上进行展开，结果不仅可以获得图像上每个点的光谱数据，还可以获得任一个谱段的影像信息。需要注意的是，传统的利用高光谱相机进行养分分析的方案，仅利用一个高光谱相机进行数据采集，或者是分别独立地利用多个高光谱相机进行相互隔离数据采集与数据分析；而本申请不同，本申请通过对n个高光谱相机分别进行反射数据采集，并在后续需要进行数据融合，以使n个高光谱相机采集到的数据得以融合，能够在后续采用单一的养分分析模型进行分析，从而提高了分析的准确性。进一步地，所述n个高光谱相机能够采集的光谱的波长范围不同，并且所述n个高光谱相机能够采集的光谱的波长范围存在互相重叠的部分。所述高光谱相机例如为可见光/近红外高光谱相机(对应于400-1000nm波长)，或者为近红外高光谱相机(900-1700nm)。进一步地，所述第一光环境、第二光环境直至第n光环境均相同，以利于后续的数据融合处理。
进一步地，在进行高光谱数据采集之前或者之时，还包括，黑白校正、高光谱数据裁剪(例如包括去除图像边缘多余背景像素与光谱首尾噪声)、图像掩膜、目标区域选取、主成分分析、平均光谱处理和图像纹理生成等操作。其中图像纹理生成的过程例如为，在根据每个高光谱反射数据，利用灰度共生矩阵计算目标区域的8个纹理特征数据(均值、对比度、相关度、能量、同质性、方差、差异性和熵)，从而生成多个不同的图像纹理。
进一步地，在所述执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据的步骤S1之前，还包括：养分协迫样品植株的准备，从而得到多个样本植株，而这些样本植株用于后续养分分析模型的训练所使用。
进一步地，在进行高光谱数据采集之前还包括，构建多波段高光谱采集系统，分别调节光源角度与镜头到样本距离，调整曝光时间与增益等参数。
需要注意的是，传统技术由于是采用单一高光谱相机进行高光谱数据采集，因此对于采集的具体位置并无位置校准的需求，而本申请由于采用了n个高光谱相机，并且为了提高分析的准确性，进一步地采用了多种特别的设计，以使每个高光谱相机采集的光由来自于作物的同一位置。具体地，其中之一为：
所述执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据的步骤S1，包括：
S101、将所述待分析作物置于预设的传送带上的第一预设位置，同时控制预设的光发生器集群以使所述第一预设位置上所述待分析作物所处的光环境为预设的第一光环境；
S102、执行第一反射数据采集指令，以利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据；
S103、获取所述第一预设位置与所述第一高光谱相机的第一相对位置；
所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：
S201、利用所述传送带将所述待分析作物移动至第二预设位置，同时控制预设的光发生器集群以使所述第二预设位置上所述待分析作物所处的光环境为预设的第二光环境；其中，所述第二预设位置与所述n个高光谱相机中的第二高光谱相机的相对位置等于所述第一相对位置；所述第二光环境与所述第一光环境相同；
S202、执行第二反射数据采集指令，以利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
所述持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据的步骤S3，包括：
S301、持续进行利用传送带移动待分析作物的操作，直至将所述待分析作物移动至第n预设位置；控制预设的光发生器集群以使除第一预设位置和第二预设位置之外的n-2个预设位置上所述待分析作物所处的光环境分别为预设的第三-第n光环境；其中，所述n-2个预设位置分别与所述n个高光谱相机中的第三-第n高光谱相机的相对位置均等于所述第一相对位置；所述第三-第n光环境均与所述第一光环境相同；
S302、在每次利用传送带移动待分析作物之后，均进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据。
从而使得本申请的利用n个高光谱相机进行n次反射数据采集时，虽然时间上有先后，但是采集的位置相同，以保证后续进行数据融合的可信度。其中，本申请采用光发生器集群而非是单一的光发生器，能够使光更充分更均匀，以免某此波长的光源不足。并且由于待分析作物与每个高光谱相机的相对位置保持不变，从而数据采集的位置相同。
进一步地，本申请采用另外一种设计，以保证数据采集的一致性，以保证后续数据融合的可信度。具体地：
所述第一光环境等于所述第二光环境；n等于2；所述调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数的步骤S1和所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：
S1211、调用预设的n个高光谱相机，并将待分析作物置于预设的第一光环境下；
S1212、采用预设的分光装置，将所述待分析作物在预设的第一光环境下的反射光划分为第一反射光和第二反射光；所述第一反射光与所述第二反射光的光强比值为固定数值；
S1213、执行第一反射数据采集指令，以使所述n个高光谱相机中的第一高光谱相机，获取所述第一反射光；
S1214、执行第二反射数据采集指令，以使所述n个高光谱相机中的第二高光谱相机，获取所述第二反射光。
其中，所述分光装置可为任意可行装置，例如为光学棱镜等。从而每个高光谱相机采集的不仅是作物的相同位置的反射数据，而且还是同时的反射数据，从而更利于后续的数据融合。其中，由于所述第一反射光与所述第二反射光的光强比值为固定数值，因此获取第一反射光和第二反射光后，根据光强比值进行光强补偿，即可得到完整的反射数据。
进一步地，本申请采用另外一种设计，以保证数据采集的一致性，以保证后续数据融合的可信度。具体地：
所述第一光环境等于所述第二光环境；n等于2；所述第一高光谱相机的成像波段与所述第二高光谱相机的成像波段存在互相覆盖的波段区间；所述第一高光谱相机和所述第二高光谱相机连线的中垂线上设置有不完全反射介质，所述不完全反射介质能够对所述互相覆盖的波段区间的光进行不完全反射，并且当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值；所述待分析作物与所述第二高光谱相机在所述不完全反射介质的同一侧，并且所述待分析作物与所述第一高光谱相机的连线与所述不完全反射介质所在平面的角度等于所述指定角度；
所述调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数的步骤S1和所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：S1221、调用预设的n个高光谱相机，并将待分析作物置于预设的第一光环境下；
S1222、利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下透过所述不完全反射介质的第一初始反射数据；
S1223、利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第一光环境下经由所述不完全反射介质反射而得的第二初始反射数据；
S1224、根据所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值，对所述第一初始反射数据和所述第二初始反射数据进行数据增强处理，从而分别得到第一反射数据和第二反射数据。
需要注意的是，本申请的上述设计的关键点在于：所述第一光环境等于所述第二光环境；n等于2；所述第一高光谱相机的成像波段与所述第二高光谱相机的成像波段存在互相覆盖的波段区间；所述第一高光谱相机和所述第二高光谱相机连线的中垂线上设置有不完全反射介质，所述不完全反射介质能够对所述互相覆盖的波段区间的光进行不完全反射，并且当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值；所述待分析作物与所述第二高光谱相机在所述不完全反射介质的同一侧，并且所述待分析作物与所述第一高光谱相机的连线与所述不完全反射介质所在平面的角度等于所述指定角度。由于采用了这种设置，因此所述不完全反射介质将来自于待分析作物的反射光分为了透射光和反射光，而且尤为重要的是，当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值(这是很重要的，因为随着波长的变化，在同一介质中光的反射率与透射率均会有所不同，而本申请中最为重要的是互相覆盖的波段区间的光的数据，而互相覆盖的波段区间的波段较窄，此时可视为反射率与透射率近乎不变，再以此为依据，以利于后续的数据融合)，据此再进行数据增强处理，即可分别得到第一反射数据和第二反射数据。通过这种设计，其光路简洁，计算压力不大，而只需预先准备不完全反射介质及提高测出不完全反射介质的反射强度与透射强度的比值即可，有利于整体分析效率的提高。所述不完全反射介质可为任意可行材料，例如为玻璃或者晶体。
如上述步骤S4所述，根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据。从而使得较广范围的光谱分析成为了可能。其中，所述数据融合方法可为任意可行方法，例如：n等于2，所述第一反射数据和所述第二反射数据具有互相重合的波段，所述第一反射数据的最小波长数值小于所述第二反射数据的最小波长数值；所述根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据的步骤S4，包括：
S401、从所述第一反射数据中提取第一强度值，以及从所述第二反射数据中提取第二强度值；其中所述第一强度值和所述第二强度值对应的波长数值相同，并且所述第一强度值和所述第二强度值对应的波长数值处于所述第一反射数据和所述第二反射数据互相重合的波段中；
S402、根据公式：
b1＝(R1'-1)/(R2'-1),c1＝(R1'-R2')/(1-R2')，
计算出参数b1和c1；其中R1’为所述第一强度值，R2’为所述第二强度值；
S403、根据公式：R1”＝R2×b1+c1，将所述第二反射数据转化为第二匹配数据；其中R2为所述第二反射数据，所述R1”为所述第二匹配数据；
S404、删除所述第一反射数据中与所述第二反射数据具有互相重合的波段部分，并将进行删除处理后的第一反射数据与所述第二匹配数据进行曲线连接，从而得到融合数据。
不同的高光谱相机采集得到的数据，是无法进行直接组合成广谱的光谱曲线的，这是因为不同的高光谱相机采集得到的反射数据的基准不尽相同，对应的噪声强度也不尽相同等。而本申请利用高光谱相机中互相重合的波段，以实现光谱融合。具体地，
根据公式：b1＝(R1'-1)/(R2'-1),c1＝(R1'-R2')/(1-R2')，计算出参数b1和c1；其中R1’为所述第一强度值，R2’为所述第二强度值；根据公式：R1”＝R2×b1+c1，将所述第二反射数据转化为第二匹配数据；其中R2为所述第二反射数据，所述R1”为所述第二匹配数据。从而使得不同高光谱相机在互相重合的波段中实现匹配，再对应调整非重合的波段的反射数据，以此实现了广谱的融合数据的获取。获得的融合数据例如如图4所示，可见融合的融合数据(图中示为反射光谱)的波长范围为400-1600nm，即实现了广谱的融合数据的获取。
如上述步骤S5所述，将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。其中，所述养分分析模型可为任意可行模型，例如为机器学习模型，例如为支持向量机模型等。所述将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果的步骤例如为：以反射光谱中提取多个特征峰作为第一变量，其中所述多个特征峰中至少有一个处于互相重合的波段，再根据反射光谱生成不同波长数值下的纹理图案，再从中选出多个特征纹理区域作为第二变量，最终将所有的第一变量和第二变量作为最终的变量，以作为支持向量机模型的输入。进一步地，所述养分分析模型基于支持向量机模型训练而成，所述将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果的步骤S5之前，包括：
S41、从预设的样本数据库中调取指定数量的样本数据，并根据预设比例将所述样本数据划分为训练数据和验证数据；其中所述样本数据由训练用融合数据以及与所述训练用融合数据对应的人工标识构成，所述人工标识为养分亏缺或者养分不亏缺；
S42、将所述训练数据输入预设的支持向量机模型中进行训练，从而得到暂时支持向量机模型；
S43、利用所述验证数据对所述暂时支持向量机模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；
S44、若验证结果为验证通过，则将所述暂时支持向量机模型记为养分分析模型。
从而使得训练得到的养分分析模型能够胜任对待分析作物的养分亏缺或者养分不亏缺的分析任务。
本申请的多波段高光谱融合的作物养分亏缺分析方法，调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。从而实现了更广的波长范围的高光谱数据的获取，并分析出养分分析结果。其中，由于本申请采用了数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到的更广的波长范围的高光谱数据，能够更全面的反应作物的养分状态，使得后续以养分分析模型输出更准确的养分分析结果成为了可能。
参照图2，本申请实施例提供一种多波段高光谱融合的作物养分亏缺分析装置，包括：
第一反射数据采集指令执行单元10，用于调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；
第二反射数据采集指令执行单元20，用于执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
第n反射数据采集指令执行单元30，用于持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；
数据融合单元40，用于根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；
养分分析结果获取单元50，用于将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。
其中上述单元分别用于执行的操作与前述实施方式的多波段高光谱融合的作物养分亏缺分析方法的步骤一一对应,在此不再赘述。
本申请的多波段高光谱融合的作物养分亏缺分析装置，调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。从而实现了更广的波长范围的高光谱数据的获取，并分析出养分分析结果。其中，由于本申请采用了数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到的更广的波长范围的高光谱数据，能够更全面的反应作物的养分状态，使得后续以养分分析模型输出更准确的养分分析结果成为了可能。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储多波段高光谱融合的作物养分亏缺分析方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多波段高光谱融合的作物养分亏缺分析方法。
上述处理器执行上述多波段高光谱融合的作物养分亏缺分析方法，其中所述方法包括的步骤分别与执行前述实施方式的多波段高光谱融合的作物养分亏缺分析方法的步骤一一对应,在此不再赘述。
本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请的计算机设备，调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。从而实现了更广的波长范围的高光谱数据的获取，并分析出养分分析结果。其中，由于本申请采用了数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到的更广的波长范围的高光谱数据，能够更全面的反应作物的养分状态，使得后续以养分分析模型输出更准确的养分分析结果成为了可能。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现多波段高光谱融合的作物养分亏缺分析方法，其中所述方法包括的步骤分别与执行前述实施方式的多波段高光谱融合的作物养分亏缺分析方法的步骤一一对应,在此不再赘述。
本申请的计算机可读存储介质，调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据，其中n为大于等于2的整数；执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；持续进行数据采集指令的执行操作，直至执行到第n反射数据采集指令，其中所述第n反射数据采集指令用于指示利用所述n个高光谱相机中的第n高光谱相机，获取待分析作物在预设的第n光环境下的第n反射数据；根据预设的数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到融合数据；将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果。从而实现了更广的波长范围的高光谱数据的获取，并分析出养分分析结果。其中，由于本申请采用了数据融合方法，对所述第一反射数据、第二反射数据、…、第n反射数据进行数据融合处理，以得到的更广的波长范围的高光谱数据，能够更全面的反应作物的养分状态，使得后续以养分分析模型输出更准确的养分分析结果成为了可能。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序或指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synch link)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (5)
1.一种多波段高光谱融合的作物养分亏缺分析方法，其特征在于，包括：
S1、调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据；
S2、执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
S3、根据预设的数据融合方法，对所述第一反射数据和第二反射数据进行数据融合处理，以得到融合数据；
S4、将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果；
所述第一光环境等于所述第二光环境；n等于2；
所述第一高光谱相机的成像波段与所述第二高光谱相机的成像波段存在互相覆盖的波段区间；所述第一高光谱相机和所述第二高光谱相机连线的中垂线上设置有不完全反射介质，所述不完全反射介质能够对所述互相覆盖的波段区间的光进行不完全反射，并且当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值；所述待分析作物与所述第二高光谱相机在所述不完全反射介质的同一侧，并且所述待分析作物与所述第一高光谱相机的连线与所述不完全反射介质所在平面的角度等于所述指定角度；
所述调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据的步骤S1和所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据的步骤S2，包括：
S1221、调用预设的n个高光谱相机，并将待分析作物置于预设的第一光环境下；
S1222、利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下透过所述不完全反射介质的第一初始反射数据；
S1223、利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第一光环境下经由所述不完全反射介质反射而得的第二初始反射数据；
S1224、根据所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值，对所述第一初始反射数据和所述第二初始反射数据进行数据增强处理，从而分别得到第一反射数据和第二反射数据；
所述第一反射数据和所述第二反射数据具有互相重合的波段，所述第一反射数据的最小波长数值小于所述第二反射数据的最小波长数值；所述根据预设的数据融合方法，对所述第一反射数据和第二反射数据进行数据融合处理，以得到融合数据的步骤S3，包括：
S301、从所述第一反射数据中提取第一强度值，以及从所述第二反射数据中提取第二强度值；其中所述第一强度值和所述第二强度值对应的波长数值相同，并且所述第一强度值和所述第二强度值对应的波长数值处于所述第一反射数据和所述第二反射数据互相重合的波段中；
S302、根据公式：
b1＝(R1'-1)/(R2'-1),c1＝(R1'-R2')/(1-R2')，
计算出参数b1和c1；其中R1’为所述第一强度值，R2’为所述第二强度值；
S303、根据公式：R1”＝R2×b1+c1，将所述第二反射数据转化为第二匹配数据；其中R2为所述第二反射数据的强度值，所述R1”为所述第二匹配数据的强度值；
S304、删除所述第一反射数据中与所述第二反射数据具有互相重合的波段部分，并将进行删除处理后的第一反射数据与所述第二匹配数据进行曲线连接，从而得到融合数据。
2.根据权利要求1所述的多波段高光谱融合的作物养分亏缺分析方法，其特征在于，所述养分分析模型基于支持向量机模型训练而成，所述将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果的S4之前，包括：
S31、从预设的样本数据库中调取指定数量的样本数据，并根据预设比例将所述样本数据划分为训练数据和验证数据；其中所述样本数据由训练用融合数据以及与所述训练用融合数据对应的人工标识构成，所述人工标识为养分亏缺或者养分不亏缺；
S32、将所述训练数据输入预设的支持向量机模型中进行训练，从而得到暂时支持向量机模型；
S33、利用所述验证数据对所述暂时支持向量机模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；
S34、若验证结果为验证通过，则将所述暂时支持向量机模型记为养分分析模型。
3.一种多波段高光谱融合的作物养分亏缺分析装置，其特征在于，包括：
第一反射数据采集指令执行单元，用于调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据；
第二反射数据采集指令执行单元，用于执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据；
数据融合单元，用于根据预设的数据融合方法，对所述第一反射数据和第二反射数据进行数据融合处理，以得到融合数据；
养分分析结果获取单元，用于将所述融合数据输入预设的养分分析模型中进行处理，从而得到所述养分分析模型输出的养分分析结果；
所述第一光环境等于所述第二光环境；n等于2；
所述第一高光谱相机的成像波段与所述第二高光谱相机的成像波段存在互相覆盖的波段区间；所述第一高光谱相机和所述第二高光谱相机连线的中垂线上设置有不完全反射介质，所述不完全反射介质能够对所述互相覆盖的波段区间的光进行不完全反射，并且当所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值为固定数值；所述待分析作物与所述第二高光谱相机在所述不完全反射介质的同一侧，并且所述待分析作物与所述第一高光谱相机的连线与所述不完全反射介质所在平面的角度等于所述指定角度；
所述调用预设的n个高光谱相机，并执行第一反射数据采集指令，其中所述第一反射数据采集指令用于指示利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下的第一反射数据和所述执行第二反射数据采集指令，其中所述第二反射数据采集指令用于指示利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第二光环境下的第二反射数据，包括：
调用预设的n个高光谱相机，并将待分析作物置于预设的第一光环境下；
利用所述n个高光谱相机中的第一高光谱相机，获取待分析作物在预设的第一光环境下透过所述不完全反射介质的第一初始反射数据；
利用所述n个高光谱相机中的第二高光谱相机，获取待分析作物在预设的第一光环境下经由所述不完全反射介质反射而得的第二初始反射数据；
根据所述互相覆盖的波段区间的光以指定角度经过所述不完全反射介质时的反射强度与透射强度的比值，对所述第一初始反射数据和所述第二初始反射数据进行数据增强处理，从而分别得到第一反射数据和第二反射数据；
所述第一反射数据和所述第二反射数据具有互相重合的波段，所述第一反射数据的最小波长数值小于所述第二反射数据的最小波长数值；所述根据预设的数据融合方法，对所述第一反射数据和第二反射数据进行数据融合处理，以得到融合数据，包括：
从所述第一反射数据中提取第一强度值，以及从所述第二反射数据中提取第二强度值；其中所述第一强度值和所述第二强度值对应的波长数值相同，并且所述第一强度值和所述第二强度值对应的波长数值处于所述第一反射数据和所述第二反射数据互相重合的波段中；
根据公式：
b1＝(R1'-1)/(R2'-1),c1＝(R1'-R2')/(1-R2')，
计算出参数b1和c1；其中R1’为所述第一强度值，R2’为所述第二强度值；
根据公式：R1”＝R2×b1+c1，将所述第二反射数据转化为第二匹配数据；其中R2为所述第二反射数据的强度值，所述R1”为所述第二匹配数据的强度值；
删除所述第一反射数据中与所述第二反射数据具有互相重合的波段部分，并将进行删除处理后的第一反射数据与所述第二匹配数据进行曲线连接，从而得到融合数据。
4.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述方法的步骤。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至2中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010775368.0A CN111929254B (zh) | 2020-08-05 | 2020-08-05 | 多波段高光谱融合的作物养分亏缺分析方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010775368.0A CN111929254B (zh) | 2020-08-05 | 2020-08-05 | 多波段高光谱融合的作物养分亏缺分析方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111929254A CN111929254A (zh) | 2020-11-13 |
| CN111929254B true CN111929254B (zh) | 2021-06-29 |
Family
ID=73306735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010775368.0A Active CN111929254B (zh) | 2020-08-05 | 2020-08-05 | 多波段高光谱融合的作物养分亏缺分析方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111929254B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883822B (zh) * | 2021-01-28 | 2022-04-19 | 广东技术师范大学 | 集预测与预防为一体的病虫害预测位置分析方法和装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9395293B1 (en) * | 2015-01-12 | 2016-07-19 | Verily Life Sciences Llc | High-throughput hyperspectral imaging with superior resolution and optical sectioning |
| CN106443710B (zh) * | 2016-11-04 | 2018-08-31 | 北京遥测技术研究所 | 一种双波长偏振高光谱分辨激光雷达装置 |
| CN107328721A (zh) * | 2017-06-29 | 2017-11-07 | 深圳市赛亿科技开发有限公司 | 一种基于多源光谱数据融合检测食品安全的装置及方法 |
| CN111351571B (zh) * | 2018-12-22 | 2022-07-05 | 上海市刑事科学技术研究院 | 一种宽波段高光谱成像系统及其成像方法 |
| CN110146467B (zh) * | 2019-05-10 | 2020-06-02 | 清华大学 | 高光谱干涉非标记成像方法及活细胞定量断层成像系统 |
-
2020
- 2020-08-05 CN CN202010775368.0A patent/CN111929254B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111929254A (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khanna et al. | A spatio temporal spectral framework for plant stress phenotyping | |
| AU2020218573A1 (en) | Shadow and cloud masking for remote sensing images in agriculture applications using multilayer perceptron | |
| Rußwurm et al. | Breizhcrops: A satellite time series dataset for crop type identification | |
| CN111398176B (zh) | 基于像元尺度特征的水体水色异常遥感识别方法和装置 | |
| CN110186566B (zh) | 基于光场相机多谱测温的二维真实温度场成像方法及系统 | |
| CN111929254B (zh) | 多波段高光谱融合的作物养分亏缺分析方法、装置和设备 | |
| CN111380836A (zh) | 基于遥感影像的黑臭水定位方法、装置及其相关设备 | |
| CN115496975B (zh) | 辅助加权数据融合方法、装置、设备及存储介质 | |
| US20220383610A1 (en) | Citrus identification method based on roundness integrity correction | |
| CN115829118A (zh) | 森林碳汇遥感监测方法、装置、设备及存储介质 | |
| Kim et al. | Utilizing machine learning for detecting flowering in mid-range digital repeat photography | |
| CN113537108B (zh) | 一种基于无人机高光谱遥感的农作物叶绿素含量反演方法 | |
| CN110647932A (zh) | 一种种植作物结构遥感影像分类方法及装置 | |
| CN104198397A (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 | |
| CN111896109B (zh) | 一种基于数码相机原始响应值的光谱重建方法 | |
| CN115761404A (zh) | 一种YOLOv5s模型的训练方法、使用方法及训练装置 | |
| CN114170668A (zh) | 一种高光谱人脸识别方法及系统 | |
| CN113008890B (zh) | 基于无人机高光谱的棉花叶片氮含量监测方法及系统 | |
| CN111048183A (zh) | 数字病理图像均一化的方法、装置、设备及存储介质 | |
| NL2026463B1 (en) | Method and tool to georeference, cross-calibrate and fuse remote sensed imagery | |
| Clevers et al. | Estimating APAR by means of vegetation indices: a sensitivity analysis | |
| CN114220028B (zh) | 基于无人机高光谱影像和机器学习算法模型研发的珍稀树种识别方法 | |
| CN114842300B (zh) | 一种适应雨天环境的农作物病虫害检测方法 | |
| Lalitha et al. | Essential Preliminary Processing methods of Hyper spectral images of crops | |
| Moldon | The e-MERLIN CASA Pipeline |
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 |