CN113466289B - 作物叶片栓塞脆弱性测量系统及方法 - Google Patents
作物叶片栓塞脆弱性测量系统及方法 Download PDFInfo
- Publication number
- CN113466289B CN113466289B CN202110721785.1A CN202110721785A CN113466289B CN 113466289 B CN113466289 B CN 113466289B CN 202110721785 A CN202110721785 A CN 202110721785A CN 113466289 B CN113466289 B CN 113466289B
- Authority
- CN
- China
- Prior art keywords
- water potential
- leaves
- vulnerability
- leaf
- continuous
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/56—Investigating or analyzing materials by the use of thermal means by investigating moisture content
- G01N25/66—Investigating or analyzing materials by the use of thermal means by investigating moisture content by investigating dew-point
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种作物叶片栓塞脆弱性测量系统及方法,包括图像采集装置,用于对失水叶片进行连续性拍照,以获取叶片的连续性图像序列;水势监测装置,用于对叶片进行连续性水势监测,以获取叶片的连续性水势参数;数据处理装置,用于对叶片的连续性图像序列进行处理以获取对应的连续性栓塞参数,并建立叶片的栓塞脆弱性数据集。本发明通过数据处理装置计算叶片的栓塞面积,并结合水势时间序列的拟合,利用脱水过程中的叶片栓塞像素的百分比与所得水势序列构建叶片栓塞脆弱性曲线,可通过叶片栓塞脆弱性曲线得到相应的叶片水力导度和水势信息,调整作物的灌溉策略,实现了在无需大规模破坏性取样的基础上自动、连续、精准地明确植物的抗旱特性。
Description
技术领域
本发明涉及农业灌溉技术领域,尤其涉及一种作物叶片栓塞脆弱性测量系统及方法。
背景技术
干旱缺水正加剧威胁农业生产,严重威胁世界粮食安全。而据预测,气候变化也将增加全球生态系统干旱的发生频率和严重程度。描述不同物种的耐旱性是改进生态系统对全球变化响应预测方法的关键。植物的耐旱性是由多个性状共同决定的,明确植物面对水分胁迫时所产生的一系列生理响应机制,是提高干旱逆境下作物节水抗旱能力的关键。植物的光合作用与生长都依赖于有效供水,因此在水分胁迫条件下,水力功能障碍对植物功能有严重影响。叶片水力导度(Kleaf)衡量了水在叶片中的传输效率,定义为通过叶片的水流速与叶片水势差的比值,通常被划分为叶脉内及叶脉外水力导度。测量Kleaf的传统方法包括蒸腾法、高压法、真空法、吸水法,由于几种方法的不确定性,不同观点一直持续存在。而测量叶片水力脆弱性曲线往往需要通过台式干燥法制造不同的初始水势,并且每0.5MPa之间可能需要6-12个Kleaf值来确保曲线的精度,因此需要大量取样,也不能区分叶脉内和叶脉外的作用。
在植物的水力功能测试中,通常用P50或P80评估植物水力功能的脆弱性,即植物水力导度下降50%或80%对应的水势,由脆弱性曲线得到。而叶片相对茎来说具有更高的水力阻力,对最大气孔导度和光合能力有显著限制,叶片的P50通常被认为很大程度上决定了植物的存活率,在植物对水分胁迫的短期响应中起着重要作用,并且也很好地反映了植物的耐旱能力,因此测量叶片脆弱性方法的改进也有利于对植物抗旱性的快速、精准评估。而对于种植者而言,需要保持最佳的植物水分水平以促进生产和提高产量,气孔导度的P50是受到广泛认可的作为灌溉依据的指标,基于大量研究表明植物叶片的气孔导度与水力导度之间具有相关关系,因此利用水力导度与叶水势之间的关系,能简单快速地确定植物何时需要灌溉。
因此,为了简单高效的制定作物的灌溉策略,需要对作物水力脆弱性参数进行有效的测量,而对传统的作物水力脆弱性参数测量方法存在着破坏性大,规模取样、测量耗时较长的问题,测量有效性有待进一步改善。
发明内容
本发明提供一种作物叶片栓塞脆弱性测量系统及方法,用以解决现有技术中传统的作物水力脆弱性参数测量方法存在着破坏性大,规模取样、测量耗时较长的缺陷,实现对作物水力脆弱性参数的有效测量。
本发明提供一种作物叶片栓塞脆弱性测量系统,包括:
图像采集装置,包括拍照模块,所述拍照模块用于对失水叶片进行连续性拍照,以获取所述叶片的连续性图像序列;
水势监测装置,用于对所述叶片进行连续性水势监测,以获取所述叶片的连续性水势参数;
数据处理装置,与所述图像采集装置和所述水势监测装置电连接,用于对所述叶片的连续性图像序列进行处理以获取对应的连续性栓塞参数,并根据所述连续性栓塞参数和所述连续性水势参数建立所述叶片的栓塞脆弱性数据集。
根据本发明提供的作物叶片栓塞脆弱性测量系统,所述图像采集装置还包括用于固定所述叶片的固定模块,所述拍照模块可移动地设于所述固定模块上,从而对所述固定模块上的多个所述叶片进行连续性拍照。
根据本发明提供的作物叶片栓塞脆弱性测量系统,所述固定模块包括载物台和设于所述载物台上方的支撑架,所述拍照模块移动设于所述支撑架上,所述支撑架的一侧设有驱动组件,所述驱动组件连接所述拍照模块并驱动所述拍照模块在所述支撑架上往复移动。
根据本发明提供的作物叶片栓塞脆弱性测量系统,所述水势监测装置包括依次连接的水势探头、切换模块和采集器,所述采集器与所述数据处理装置连接。
本发明还提供一种作物叶片栓塞脆弱性测量方法,包括:
获取所述失水叶片的连续性图像序列;
对所述叶片的连续性图像序列进行处理以获取对应的连续性栓塞参数;
获取所述叶片的连续性水势参数;
根据所述连续性栓塞参数和所述连续性水势参数建立所述叶片的栓塞脆弱性数据集。
根据本发明提供的作物叶片栓塞脆弱性测量方法,所述获取所述叶片的连续性图像序列的步骤包括:
以固定时间间隔的方式对多个所述叶片进行拍照,以获取指定时间范围内所述叶片失水过程的图像序列。
根据本发明提供的作物叶片栓塞脆弱性测量方法,所述对所述叶片的连续性图像序列进行处理的步骤包括:
基于所述连续性图像序列的前后栓塞面积差异获取每张图像的累积栓塞百分比。
根据本发明提供的作物叶片栓塞脆弱性测量方法,所述基于所述连续性图像序列的前后栓塞面积差异获取每张图像的累积栓塞百分比的步骤包括:
将所述连续性图像序列转化为多位灰度图像序列,分析所述灰度图像序列中前后两张图像的像素差,获取目标像素差的图像序列,设定像素阈值范围;
将所述目标像素差的图像序列转化为二值图像,所述像素阈值范围内的像素点设为第一预设值,所述像素阈值范围外的像素点设为第二预设值,将所述第二预设值求和,得到每个图片的栓塞面积。
根据本发明提供的作物叶片栓塞脆弱性测量方法,所述获取所述叶片的连续性水势参数的步骤包括:
利用所述连续性水势参数计算每个回归参数,将所述回归参数与所述连续性图像序列的时间信息一一对应,以获取所述连续性图像序列对应的水势序列。
根据本发明提供的作物叶片栓塞脆弱性测量方法,所述叶片的栓塞脆弱性数据集为根据所述连续性栓塞参数和所述连续性水势参数建立的栓塞脆弱性曲线图。
本发明提供的作物叶片栓塞脆弱性测量系统及方法,通过图像采集装置固定时间间隔对批量失水叶片进行拍照,以获取指定区域内叶片失水过程的图像序列,水势监测装置可实现叶片水势的长期连续监测;图像采集装置和水势监测装置将数据传输给数据处理装置,数据处理装置将获得的连续图像序列计算每张图片中叶片的栓塞面积,并结合水势时间序列的拟合,利用脱水过程中的叶片栓塞像素的百分比与所得水势序列构建叶片栓塞脆弱性曲线,可通过叶片栓塞脆弱性曲线得到相应的叶片水力导度和叶水势信息,以此判断作物的耐旱能力,作为确定灌溉下限的主要依据,调整当前基因型或环境胁迫下作物的灌溉策略。整个系统能够自动、连续、精确地同时建立多个植物的叶片图像序列和水势序列,并持续实时采集并通过数据处理装置实时构建、计算、判断作物抗旱性进行灌溉策略的调整,实现了在无需大规模破坏性取样的基础上自动、连续、精准地明确植物的抗旱特性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的作物叶片栓塞脆弱性测量系统的结构示意图;
图2是本发明提供的作物叶片栓塞脆弱性测量系统的实施示意图;
图3是本发明提供的作物叶片栓塞脆弱性测量方法的步骤流程图;
图4是本发明实施例提供的不同盐分处理下盆栽番茄两个品种叶片栓塞脆弱性曲线的实验结果图;
图5是本发明实施例提供的不同盐分处理下粉禧品种的叶片栓塞脆弱性曲线的实验结果图;
图6是本发明实施例提供的不同盐分处理下爱吉品种的叶片栓塞脆弱性曲线的实验结果图;
图7是本发明实施例提供的粉禧和爱吉两个品种凌晨叶水势与叶片水力导度之间的关系图。
附图标记:
1:水势探头; 2:探头电缆; 3:切换模块;
4:主电缆; 5:采集器; 6:采集器电缆;
7:扫描仪电缆; 8:载物台; 9:步进电机;
10:扫描仪控制箱 11:第一光杆; 12:第二光杆;
13:丝杠; 14:扫描仪探头; 15:排线;
16:支撑架; 17:处理器; A:图像采集装置;
B:水势监测装置。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
本发明实施例提供一种作物叶片栓塞脆弱性测量系统,如图1-图2所示,该系统由图像采集装置A、水势监测装置B和数据处理装置组成,图像采集装置A用于采集叶片的图像信息,水势监测装置B用于采集叶片的水势信息,图像采集装置A和水势监测装置B将各自获取的数据传递给数据处理装置,数据处理装置对叶片的栓塞与水势信息进行分析处理,得出作物的耐旱能力,以此作为确定灌溉下限的主要依据,调整当前基因型或环境胁迫下作物的灌溉策略。
具体的,图像采集装置A包括拍照模块和固定模块,拍照模块用于对失水叶片进行连续性拍照,以获取叶片的连续性图像序列。拍照模块可移动地设于固定模块上,从而对固定模块上的多个叶片进行连续性拍照,实现一次性对多个目标叶片进行取样,保证测试数据的准确性。
进一步地,固定模块包括载物台8和设于载物台8上方的支撑架16,拍照模块移动设于支撑架16上,支撑架16的一侧设有驱动组件,驱动组件连接拍照模块并驱动拍照模块在支撑架16上往复移动。
具体的,载物台8上还设置有遮光板、灯条、玻璃片,用于固定叶片以及提供透射光。拍照模块包括扫描仪探头14和连接扫描仪探头14的排线15。扫描仪探头14设置在支撑架16上,用于固定时间对叶片进行拍照,扫描仪探头14的感光元件为条形,光轴承载感光元件在支撑架16上移动以实现全区域的成像。
驱动组件包括步进电机9、扫描仪控制箱10、第一光杆11和第二光杆12、丝杠13,第一光杆11和第二光杆12支撑扫描仪探头14平行移动,丝杠13贯穿扫描仪探头14并与之传动连接,步进电机9带动丝杠13转动,丝杠13带动扫描仪探头14在载物台8上往复移动对叶片进行扫描以精准成像。扫描仪控制箱10和扫描仪探头14通过扫描仪电缆7与数据处理装置的处理器连接,数据处理装置的处理器用于控制整个装置的运行,扫描仪探头14的成像区域、成像时间可由软件设定。
水势监测装置B包括水势探头1、切换模块3和采集器5,水势探头1设置有多个,可以同时监测不同样品的叶片水势,水势探头1通过探头电缆2与切换模块3连接,切换模块3用于实现多个水势探头1之间的自由切换。切换模块3通过主电缆4连接采集器5,采集器5按指定时间间隔收集指定水势探头1的水势数据。采集器5通过采集器电缆6与数据处理装置的处理器连接,将数据传递给处理器处理。数据处理装置的处理器主要通过软件设定切换板的切换方式,设置测量参数,记录测量过程,获取测量结果。
本实施例中,图像采集装置A基于以下光学原理:光与充满水和空气的木质部的相互作用不同,在充满水的木质部中,有更多的空气-水界面供光进行相互作用,导致了更多反射以及亮度变化,可以由光传感器捕捉到。此时,如果使用的是反射光,则充满水的木质部会显得更亮,反之若使用透射光则会显得更暗。
图像采集装置A主要作用为:固定时间间隔对批量叶片进行拍照,以获取指定区域内叶片失水过程的图像序列,通过比较不同时间前后图像之间的差异,可以提取和量化由于木质部失水引起的细微亮度变化,最终确定每个图像的栓塞面积,利用栓塞像素的百分比与水势建立水力脆弱性曲线。
本实施例中,水势监测装置B主要原理及作用为:水势探头1测量水势以露点法为基本原理,在接面使用珀尔帖冷却电流,通过湿球温差的测量和对室内温度梯度所造成错误的自动温度校正,获得精确作物叶片水势。利用专用夹子固定水势探头1并夹紧叶片,可实现叶片水势的长期连续监测,所得水势序列可与栓塞像素的百分比建立水力脆弱性曲线。
本实施例中,数据处理装置的处理器接收叶片的连续性图像序列,并对叶片的连续性图像序列进行处理以获取对应的连续性栓塞参数,处理过程具体为:将连续图像序列转化为8位灰度图像,分析图像序列中前后两张图像的像素差异,获得像素差的图像序列,设定像素阈值范围,以找到最清楚的栓塞事件。选择过程需要在栓塞效果和噪音之间进行一定的权衡,阈值范围根据感光元件的质量决定,若噪音较小,可设定较大的阈值范围,若噪音较大,则反之。然后将图像转化为二值图像,所有阈值范围内的像素点设为第一预设值,优选的,第一预设值设为0,其余设为第二预设值,优选的,第二预设值设为1。由于获取图像时的干扰、叶片脱水过程中不断收缩等原因,此时仍会存在一些非栓塞的像素残留,所以最后需要通过离群去除清理一些噪音,以获得最好的图像效果。获得干净的图像序列之后,将序列中每张图的非零像素求和,以得到每个图片的栓塞面积。处理后的图像序列和栓塞面积数据都保存在处理器中。
本实施例中,数据处理装置的处理器处理水势监测装置B传递的连续性水势参数的方位为:利用水势参数的时间序列,拟合水势与时间之间的关系,此关系可能是线性、非线性或者分段线性等,确保时间列的单元格采用日期时间格式。关系确定后,利用原始数据计算每个回归参数。提取处理完图像序列的时间信息,与上述的栓塞面积数据一一对应,并通过计算完的回归参数与提取完的时间信息计算图像序列所对应的实际水势序列。
基于上述处理过程和结果,数据处理装置的处理器利用计算好的栓塞面积数据和实际水势序列,得到叶片的栓塞脆弱性数据集,具体的,数据集为处理器绘制出的叶片栓塞脆弱性曲线,其中,曲线图的横坐标为实际水势序列,纵坐标为栓塞面积。
本发明实施例提供一种作物叶片栓塞脆弱性测量系统,采用移动型感光元件和湿度表这两种无损传感器长期连续采集和监测离体枝条叶片的栓塞发展图像序列和水势,然后基于采集的栓塞发展图像序列和水势确定原位植物的抗旱能力,基于抗旱能力调节当前的灌溉策略。整个系统能够自动、连续、精确地同时建立多个植物的叶片图像序列和水势序列,并持续实时采集并通过处理终端实时构建、计算、判断作物抗旱性进行灌溉策略的调整。
本发明实施例还提供一种作物叶片栓塞脆弱性测量方法,如图3所示,该方法包括以下步骤:
步骤1:获取失水叶片的连续性图像序列。
该步骤中,可以通过上述的图像采集装置A以固定时间间隔的方式对多个叶片进行拍照,以获取指定时间范围内叶片失水过程的图像序列。本发明提供的图像采集装置A可以同时测量多个样品。
需要注意的是,叶片样品需初始水势小于-0.1MPa,以保证无栓塞事件存在。因此建议取样在灌水后的夜晚或者凌晨,取样时需注意,不同基因型或环境胁迫下的作物需要选择生长发育状况一致的多个植株作为重复,选择新生的、完全展开的枝条,尽量保证不同植株间选取枝条的位置统一。取样后将枝条末端在水下切下两小节切下,避免空气的进入,测量前一直将枝条套双层黑色塑料袋,并插在去离子水中复水。开始测量后,需测量枝条上3个叶片的初始水势以确定枝条的可用性。
拍照的具体过程为:选择枝条中的其中一个能代表整体叶片状态的目标叶片,放置在固定装置的载物台8上,可用透明胶带以及玻璃片进行固定,防止叶片失水过程中叶片的收缩而影响拍照效果。扫描仪探头14在载物台8上移动以实现精准图像获取,采样间隔由数据处理装置的处理器设定。
步骤2:对所叶片的连续性图像序列进行处理以获取对应的连续性栓塞参数;
该步骤中,将连续图像序列转化为8位灰度图像,分析图像序列中前后两张图像的像素差异,获得像素差的图像序列,设定像素阈值范围,以找到最清楚的栓塞事件。选择过程需要在栓塞效果和噪音之间进行一定的权衡,阈值范围根据感光元件的质量决定,若噪音较小,可设定较大的阈值范围,若噪音较大,则反之。然后将图像转化为二值图像,所有阈值范围内的像素点设为第一预设值,优选的,第一预设值设为0,其余设为第二预设值,优选的,第二预设值设为1。由于获取图像时的干扰、叶片脱水过程中不断收缩等原因,此时仍会存在一些非栓塞的像素残留,所以最后需要通过离群去除清理一些噪音,以获得最好的图像效果。获得干净的图像序列之后,将序列中每张图的非零像素求和,以得到每个图片的栓塞面积。
步骤3:获取所叶片的连续性水势参数;
该步骤中,选择枝条上用于拍照叶片的对叶,固定在水势监测装置B的水势探头1上,水势探头1具体为湿度表探头。测量前需保证叶片测量部位的蜡质层被打磨,并且湿度表探头与叶片接触面周围需要用硅胶进行密封,可用定制的叶夹进行固定。所获取的连续水势序列由采集器5采集。采集器5将持续接收的上述各水势数据进行搜集整理转发至数据处理装置的处理器。
具体的,水势监测装置B以露点法为基本原理,这种水势测量方法较之压力室方法来说,测量水势不会破坏叶片本身的结构,并且能够继续用于下一个时间点水势的测量,很大程度上降低了破坏性取样的程度。但在水势探头1安装的整个过程中需注意:(1)叶片表皮通常有蜡质层,厚度各有差异,测量需根据叶片厚度确定打磨力度,以去除测量部位蜡质层但不破坏叶片内部为标准;(2)由于该方法通过干湿温差(WBD)的测量和对室内温度梯度所造成错误的自动温度校正获取精确植物水势,因此测量时需严格进行气密密封,若所处环境温度过高或者辐射太强,建议用防辐射罩和黑色海绵进行包裹;(3)由于是离体测量,需要经常拆卸和安装腔室,每次用硅脂对腔室进行密封时,操作需十分小心,防止胶体进入样品室内。
步骤4:根据连续性栓塞参数和连续性水势参数建立叶片的栓塞脆弱性数据集。
该步骤中,利用连续性水势参数计算每个回归参数,将所述回归参数与所述连续性图像序列的时间信息一一对应,以获取所述连续性图像序列对应的水势序列。
在步骤4中,利用数据处理装置的处理器根据接收到的所有图像序列和水势数据进行处理、计算、绘制、分析得到待测植株叶片的水力脆弱性曲线,明确植株抗旱特性,实时进行灌溉策略的调整。数据采集器具有搜集、记录测量图片与参数的功能。数据处理装置的处理器可以是具有数据处理功能的笔记本电脑或平板电脑等,数据处理装置的处理器中包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令,以执行植物灌溉决策方法,该方法包括:
本实施例中,数据处理装置的处理器根据接收到的所有图像序列和水势数据进行处理、计算、绘制、分析得到待测植株叶片的P88值,基于采集的图像序列以及水势数据绘制出植物的叶片栓塞脆弱性曲线,得出该叶片对应原位植株的P88值,并基于该值调整当前时刻待测植株的灌溉策略。
基于本实施例提供的作物叶片栓塞脆弱性测量方法,本实施例提供了不同盐分胁迫下西北旱区两个番茄品种粉禧2号和爱吉168叶片栓塞脆弱性曲线的实验结果图以及拟合结果。
如图4-图6所示,S1-S5分别代表不同的盆栽番茄盐分处理,具体为在番茄的苗期灌施S1-0 mmol/L以及S2-50 mmol/L,S3-100mmol/L,S4-150 mmol/L,S5-200 mmol/L不同浓度的NaCl盐水,每次灌750ml,一共灌4次。可以看出该方法对不同品种、不同盐分处理的番茄叶片都具有适用性。对于粉禧品种,不同盐处理P88值的大小关系为S5<S2<S3,可以看出整体而言高浓度盐胁迫S5下粉禧品种叶片亏水初期的抗栓塞能力最强,但随着亏水程度的加深,还是低浓度盐胁迫S2下粉禧品种的抗逆性最强;对于爱吉品种,不同盐处理P88值的大小关系为S4<S5<S1,亏水初期高浓度盐胁迫S4和S5下爱吉品种叶片的抗栓塞能力都有一定的提高,随着亏水程度的加深,S4的叶片较对照有着更强的抗逆性;这在某种程度上也体现了爱吉品种较粉禧品种可能有着更强的耐盐性。实验结果很好地体现了不同盐分处理下两个番茄品种的栓塞脆弱性曲线差异,并且S型函数很好地拟合了该曲线(P<0.001),因此利用该方法能够准确地得到植物叶片的P88值。
如图7所示,基于上述实验结果,提供了不同盐分胁迫下西北旱区两个番茄品种粉禧2号和爱吉168叶片水力导度与凌晨叶水势的关系,可以看出两个品种叶片水力导度与凌晨叶水势具有显著的相关性,而此前很多研究表明凌晨叶水势与土水势很接近。因此,利用建立的关系,可进一步根据P88值对应的土水势。因此,对于种植者而言,在定期测量叶水势、持续监测土壤含水量或土水势的基础上,可通过建立这种关系,将P88值作为判断何时需要灌溉的依据,保证叶水势或土水势不低于该值,是制定灌溉制度的良好依据。
本发明提供的作物叶片栓塞脆弱性测量系统及方法,通过图像采集装置A固定时间间隔对批量叶片进行拍照,以获取指定区域内叶片失水过程的图像序列;水势监测装置B利用专用夹子固定探头并夹紧叶片,可实现叶水势的长期连续监测;数据处理装置自动连续拍照装置获得的连续图像序列计算每张图片中叶片的栓塞面积,并结合水势时间序列的拟合,利用脱水过程汇中的叶片栓塞像素的百分比与所得水势序列构建叶片栓塞脆弱性曲线,并得到P88值;数据处理装置基于作物的P88值判断作物的耐旱能力,作为确定灌溉下限的主要依据,调整当前基因型或环境胁迫下作物的灌溉策略。采用移动型感光元件和湿度表这两种无损传感器长期连续采集和监测离体枝条叶片的栓塞发展图像序列和水势,然后基于采集的栓塞发展图像序列和水势确定原位植物的抗旱能力,基于抗旱能力调节当前的灌溉策略。整个系统能够自动、连续、精确地同时建立多个植物的叶片图像序列和水势序列,并持续实时采集并通过处理终端实时构建、计算、判断作物抗旱性进行灌溉策略的调整。因此,本发明实施例提供的系统和方法,实现了在无需大规模破坏性取样的基础上自动、连续、精准地明确植物的抗旱特性。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种作物叶片栓塞脆弱性测量方法,其特征在于,包括:
获取失水叶片的连续性图像序列;
基于所述连续性图像序列的前后栓塞面积差异获取每张图像的累积栓塞百分比;包括:
将所述连续性图像序列转化为多位灰度图像序列,分析所述灰度图像序列中前后两张图像的像素差,获取目标像素差的图像序列,设定像素阈值范围;将所述目标像素差的图像序列转化为二值图像,所述像素阈值范围内的像素点设为第一预设值,所述像素阈值范围外的像素点设为第二预设值,将所述第二预设值求和,得到每个图片的栓塞面积;
获取对应时间内所述叶片的连续性水势参数;
根据所述累积栓塞百分比和所述连续性水势参数对应关系建立所述叶片的栓塞脆弱性曲线,基于所述栓塞脆弱性曲线获得所述叶片水力导度下降88%对应的水势值,以此判断所述叶片的抗旱性能,基于所述水势值可调整所述叶片对应植株的灌溉策略。
2.根据权利要求1所述的作物叶片栓塞脆弱性测量方法,其特征在于,所述获取所述叶片的连续性图像序列的步骤包括:
以固定时间间隔的方式对多个所述叶片进行拍照,以获取指定时间范围内所述叶片失水过程的图像序列。
3.根据权利要求1所述的作物叶片栓塞脆弱性测量方法,其特征在于,所述获取所述叶片的连续性水势参数的步骤包括:
利用所述连续性水势参数计算每个回归参数,将所述回归参数与所述连续性图像序列的时间信息一一对应,以获取所述连续性图像序列对应的水势序列。
4.根据权利要求1所述的作物叶片栓塞脆弱性测量方法,其特征在于,所述栓塞脆弱性曲线包括以所述累积栓塞百分比为纵坐标,所述连续性水势参数为横坐标建立的栓塞脆弱性曲线图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721785.1A CN113466289B (zh) | 2021-06-28 | 2021-06-28 | 作物叶片栓塞脆弱性测量系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721785.1A CN113466289B (zh) | 2021-06-28 | 2021-06-28 | 作物叶片栓塞脆弱性测量系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113466289A CN113466289A (zh) | 2021-10-01 |
CN113466289B true CN113466289B (zh) | 2022-07-12 |
Family
ID=77873382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110721785.1A Active CN113466289B (zh) | 2021-06-28 | 2021-06-28 | 作物叶片栓塞脆弱性测量系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113466289B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114383666B (zh) * | 2022-01-20 | 2023-11-28 | 信阳师范学院 | 一种叶水力脆弱性曲线测定设备及方法 |
CN114441712B (zh) * | 2022-01-21 | 2023-04-28 | 中国农业大学 | 基于气孔脆弱特性的灌溉曲线确定方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
HU215635B (hu) * | 1990-04-02 | 1999-01-28 | Procter And Gamble Co. | Eljárás részecskék közötti térhálósított aggregátumokat tartalmazó szemcsés, abszorbens polimer készítmények előállítására |
US5788965A (en) * | 1991-02-28 | 1998-08-04 | Novo Nordisk A/S | Modified factor VII |
US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
CN103992433B (zh) * | 2014-04-22 | 2016-03-23 | 成都理工大学 | 一种高强度高耐温聚合物纳米微球的制备方法 |
CN204044017U (zh) * | 2014-08-13 | 2014-12-24 | 兰州大学 | 一种能同时诱导多个木质部栓塞化的装置 |
TWM579036U (zh) * | 2018-07-06 | 2019-06-11 | 蛋寶生技股份有限公司 | capsule |
CN109105091B (zh) * | 2018-09-12 | 2020-07-31 | 中国林业科学研究院林业新技术研究所 | 一种基于气孔安全边际指标的树种抗旱性的快速测定方法 |
-
2021
- 2021-06-28 CN CN202110721785.1A patent/CN113466289B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113466289A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113466289B (zh) | 作物叶片栓塞脆弱性测量系统及方法 | |
McCarthy et al. | Applied machine vision of plants: a review with implications for field deployment in automated farming operations | |
Stajnko et al. | Estimation of number and diameter of apple fruits in an orchard during the growing season by thermal imaging | |
CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
CN105547252A (zh) | 基于情景感知的作物冠层图像采集装置 | |
CN102915620B (zh) | 地质环境灾害视频监测方法 | |
CN107122739B (zh) | 基于Extreme数学模型重构VI时间序列曲线的作物估产模型 | |
Hahn et al. | Carrot volume evaluation using imaging algorithms | |
CN101944231A (zh) | 小麦穗部形态参数提取方法 | |
KR101762757B1 (ko) | 작물의 수확량 영향 요인 평가 방법 및 장치 | |
CN103278503A (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
CN109324051A (zh) | 一种植物水分检测方法及系统 | |
CN112304902B (zh) | 一种农作物物候的实时监测方法和装置 | |
CN112067616A (zh) | 一种谷物品质实时检测装置及方法 | |
CN110263876B (zh) | 一种雨声信号降噪处理方法和系统 | |
CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
JP2017042136A (ja) | 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 | |
Genno et al. | Apple growth evaluated automatically with high-definition field monitoring images | |
CN109060016A (zh) | 鱼、虾水产品生态养殖用智能检测管理设备 | |
CN110612813A (zh) | 基于嵌入式视觉平台的叶菜切割系统 | |
Chen et al. | An automatic plant growth measurement system for plant factory | |
CN202887397U (zh) | 地质环境灾害视频监测器 | |
CN104853117B (zh) | 一种基于Matlab的图像传感器RTS噪声检测分析系统 | |
Mohimont et al. | AI-Driven Yield Estimation Using an Autonomous Robot for Data Acquisition | |
CN114441712B (zh) | 基于气孔脆弱特性的灌溉曲线确定方法及装置 |
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 |