CN117516639A - 一种基于多光谱点云融合的高通量温室植物表型测量系统 - Google Patents
一种基于多光谱点云融合的高通量温室植物表型测量系统 Download PDFInfo
- Publication number
- CN117516639A CN117516639A CN202410023223.3A CN202410023223A CN117516639A CN 117516639 A CN117516639 A CN 117516639A CN 202410023223 A CN202410023223 A CN 202410023223A CN 117516639 A CN117516639 A CN 117516639A
- Authority
- CN
- China
- Prior art keywords
- plant
- point cloud
- greenhouse
- coefficient
- plants
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- 238000005259 measurement Methods 0.000 title claims abstract description 16
- 230000012010 growth Effects 0.000 claims abstract description 74
- 230000000877 morphologic effect Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000010219 correlation analysis Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 150
- 230000008859 change Effects 0.000 description 13
- 230000029553 photosynthesis Effects 0.000 description 11
- 238000010672 photosynthesis Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 8
- 230000008635 plant growth Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000000243 photosynthetic effect Effects 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 230000008121 plant development Effects 0.000 description 4
- 230000005068 transpiration Effects 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000008649 adaptation response Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 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
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000009894 physiological stress Effects 0.000 description 1
- 230000008636 plant growth process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供一种基于多光谱点云融合的高通量温室植物表型测量系统,涉及温室植物表型测量技术领域,包括:数据采集模块,包括激光扫描仪和多光谱传感器,激光扫描仪用于采集同一时刻的植物表面的三维点云数据,三维点云数据用于创建植物的三维模型,多光谱传感器用于接收并处理所述三维模型中的点云数据,获取植物的形态特征参数和生长特征参数。本发明能够减少对多光谱图像与三维点云配准、融合等复杂数据处理步骤的依赖,可以简化数据采集和处理流程,降低系统的成本和维护难度以及复杂度,提高系统的效率和实用性,并可以定量地判断植物表型特征是否符合预期,针对不符合预期的植物,采取及时有效的措施,纠正表型特征偏离预期的植物。
Description
技术领域
本发明涉及温室植物表型测量技术领域,具体为一种基于多光谱点云融合的高通量温室植物表型测量系统。
背景技术
植物表型是受基因和环境因素决定或影响的,反映植物结构与组成、植物生长发育过程及结果的全部物理、生理、生化特征和性状。随着近年来功能基因组、转录组、蛋白质组学理论和技术的快速发展,尤其是测序技术的飞速发展,部分植物的基因以及全基因组序列已经被注释,但由于传统植物表型测量技术效率低(基本上手工操作)、分析规模小(涉及的样本和性状类别少)、误差大(难以排除人为和环境因素干扰)、适用性弱(难以跨物种参考分析方法和数据),导致植物表型数据已无法满足对基因型、环境和表型之间关系的解析。植物表型测量技术的严重滞后,已成为制约作物分子育种和植物功能基因组学研究领域发展的新瓶颈。温室环境具有可控性,高通量温室植物表型测量系统是解析基因-环境-表型三者关系的关键装备,是加速作物分子育种和植物功能基因组学发展的重要利器。
现有技术中的,公开号为CN108981569A提供的一种基于多光谱点云融合的高通量温室植物表型测量系统,该系统采集多个视角下三维点云和多光谱图像,对多光谱图像与三维点云图像进行配准,并进行多视角坐标统一变换,实现多视角多光谱三维点云融合,基于多光谱三维点云模型实现高通量温室植物表型测量,实现植物外在表型(三维形态信息)和内在表型(生理信息)的测量,并且具有精度高、速度快、适用性强的特点。
但是还存在如下不足,由上述的陈述可知,采集多个视角下三维点云和多光谱图像,对多光谱图像与三维点云图像进行配准,并进行多视角坐标统一变换,实现多视角多光谱三维点云融合,为确保测量的准确性和一致性,系统还需要频繁的标定和校准,由此增加了系统的成本和维护难度以及复杂度,且缺少对植物的表型特征的判断标准,以及针对不符合预期标准的植物表型的处理方法。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种基于多光谱点云融合的高通量温室植物表型测量系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,包括:
数据采集模块,包括激光扫描仪和多光谱传感器,所述激光扫描仪用于采集同一时刻的植物表面的三维点云数据,所述三维点云数据用于创建植物的三维模型,所述多光谱传感器用于接收并处理所述三维模型中的点云数据,获取植物的形态特征参数和生长特征参数,所述形态特征参数包括植物的叶片的宽度和叶片的表面积,所述生长特征参数包括植物的高度和生长速率;
数据处理模块,用于将所述植物的叶片的宽度和叶片的表面积进行无量纲化处理,并进行相关性分析,生成植物的形态特征系数,将所述植物的高度和生长速率进行无量纲化处理,并进行相关性分析,生成植物的生长特征系数;
数据分析模块,用于将所述形态特征系数和生长特征系数进行无量纲化处理,并进行相关性分析,生成用于表征温室植物表型特征的综合指数,并将所述综合指数和预设的植物表型特征阈值相比较,判断温室植物的表型特征是否符合预期;
执行模块,用于根据所述不同的结果,执行不同的策略。
进一步地,所述数据处理模块将所述叶片的宽度和叶片的表面积进行无量纲化处理,并进行相关性分析,生成植物的形态特征系数,依据的计算公式如下:
;
其中,参数意义为:为叶片的宽度,/>为叶片的表面积 ,/>为叶片的宽度的因子系数,/>为叶片的表面积的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C1为常数修正系数。
进一步地,所述数据处理模块将所述植物的高度和生长速率进行无量纲化处理,并进行相关性分析,生成植物的生长特征系数,依据的计算公式如下:
;
其中,参数意义为:为植物的高度,/>为植物的生长速率 ,/>为植物的高度的因子系数,/>为植物的生长速率的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C2为常数修正系数。
进一步地,所述数据分析模块将所述形态特征系数和生长特征系数/>进行无量纲化处理,并进行相关性分析,生成用于表征温室植物表型特征的综合指数/>,依据的计算公式如下:
;
其中,参数意义为:为形态特征系数的因子系数,/>为生长特征系数的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C3为常数修正系数。
进一步地,将所述综合指数和预设的综合指数阈值/>相比较,判断温室植物的表型特征是否符合预期的过程如下:
当,温室植物的表型特征符合预期;
当,温室植物的表型特征不符合预期。
进一步地,根据不同的结果,执行不同的策略的过程如下:
当温室植物的表型特征符合预期,维持当前的生长环境和管理措施;
当温室植物的表型特征不符合预期,采取及时有效的措施,以纠正表型特征偏离预期的情况。
与现有技术相比,本发明的有益效果是:
本发明通过采集形态特征参数(叶片的宽度和叶片的表面积)和生长特征参数(植物的高度和生长速率),将植物的叶片的宽度和叶片的表面积进行处理,并进行相关性分析,生成植物的形态特征系数,将植物的高度和生长速率进行处理,并进行相关性分析,生成植物的生长特征系数,将形态特征系数和生长特征系数进行处理,并进行相关性分析,生成综合指数,因此,利用激光扫描仪直接采集植物表面的三维点云数据,创建植物的三维模型,多光谱传感器接收并处理三维模型中的点云数据,直接采集三维点云数据并创建植物的三维模型,能够减少对多光谱图像与三维点云配准、融合等复杂数据处理步骤的依赖,可以简化数据采集和处理流程,降低系统的成本和维护难度以及复杂度,提高系统的效率和实用性;
通过分析形态特征系数和生长特征系数的相关性得出综合指数,将综合指数和预设的植物表型特征阈值相比较,以此定量地判断植物表型特征是否符合预期,并针对不符合预期的植物,采取及时有效的措施,纠正表型特征偏离预期的植物。
附图说明
图1为本发明模块组成框图。
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明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例:
请参阅图1,本发明提供一种技术方案:
一种基于多光谱点云融合的高通量温室植物表型测量系统,如图1所示,包括:
数据采集模块,包括激光扫描仪和多光谱传感器,所述激光扫描仪用于采集同一时刻的植物表面的三维点云数据,所述三维点云数据用于创建植物的三维模型,所述多光谱传感器用于接收并处理所述三维模型中的点云数据,获取植物的形态特征参数和生长特征参数,所述形态特征参数包括植物的叶片的宽度和叶片的表面积,所述生长特征参数包括植物的高度和生长速率;
数据处理模块,用于将所述植物的叶片的宽度和叶片的表面积进行无量纲化处理,并进行相关性分析,生成植物的形态特征系数,将所述植物的高度和生长速率进行无量纲化处理,并进行相关性分析,生成植物的生长特征系数;
数据分析模块,用于将所述形态特征系数和生长特征系数进行无量纲化处理,并进行相关性分析,生成用于表征温室植物表型特征的综合指数,并将所述综合指数和预设的植物表型特征阈值相比较,判断温室植物的表型特征是否符合预期;
执行模块,用于根据不同的结果,执行不同的策略。
在高通量温室植物表型测量系统中,“高通量”指的是系统具有处理大量植物样本或数据的能力,本发明利用激光扫描仪和多光谱传感器快速、高效地收集和处理大量植物的表型数据,例如植物的形态特征参数和植物的生长特征参数。
当植物的叶片宽度变化时,会导致温室植物的表型特征变化,以下为具体原因:
光照条件:光照是植物进行光合作用的关键因素之一。叶片宽度的变化可能是植物对光照条件的适应性反应。在充足的光照条件下,植物可能发展出更宽的叶片,以增大光合作用表面积,提高光合作用效率。
水分供应:水分是植物生长的另一个关键因素。当植物缺水时,它们可能减小叶片宽度以减少水分蒸发表面积,从而保持水分平衡。相反,充足的水分供应可能促使植物发展出较宽的叶片。
温度:温度对植物生长和发育有直接影响。在较高的温度下,植物可能倾向于发展出较宽的叶片,以更好地进行光合作用和散热。在寒冷条件下,叶片宽度可能减小以减少散热表面积。
因此,通过测量植物的叶片的宽度尤为重要,如可做到会产生如下效果:
生长状态评估:叶片的宽度是植物生长状态的一个重要指标之一。通过测量叶片的宽度,可以评估植物的生长活力和生理状态。较宽的叶片通常表明植物在良好的生长条件下,而较窄的叶片可能反映出生长受到一些限制。
光合作用效率评估:叶片是光合作用的主要场所,叶片的宽度的变化可能影响光合作用的效率。较宽的叶片通常有更大的表面积,能够吸收更多的光能,从而促进更高效的光合作用。
当植物的叶片表面积变化时,会导致温室植物的表型特征变化,以下为具体原因:
光合作用效率:叶片的表面积与光合作用效率直接相关。较大的叶片的表面积可以吸收更多的光能,从而促进更高效的光合作用。因此,叶片的表面积的增加可能导致植物整体的生长和发育更为健康。
蒸腾作用:叶片的表面积的变化会影响植物的蒸腾作用,即水分从植物体内通过气孔蒸发到大气中。较大的叶片表面积通常伴随着更高的蒸腾速率,这可能影响水分的吸收和植物的水分利用效率。
温度调节:叶片的表面积也与植物的温度调节有关。较大的叶片表面积有助于散热,防止植物过热。相反,较小的叶片表面积可能导致植物在高温环境下受到胁迫。
适应性变化:叶片的表面积的变化可能是植物对环境变化的适应性反应。例如,在光照较强的环境中,植物可能发展出更大的叶片表面积以最大限度地利用光能。
因此,通过测量植物的叶片的表面积尤为重要,如可做到会产生如下效果:
光合作用效率评估:叶片的表面积直接关联到植物的光合作用效率。更大的叶片的表面积通常意味着更多的叶绿素,提供更多的光合作用区域,有助于增强植物对光能的利用,从而促进生长和产生更多的有机物质。
生长状态监测:叶片的表面积的变化可以用作评估植物生长状态的指标。较大的表面积可能表明植物处于健康的生长状态,而较小的表面积可能表明植物受到某些环境或生理压力的影响。
水分利用效率分析:叶片的表面积与水分利用效率密切相关。更大的表面积可能导致更高的蒸腾速率,但植物也能吸收更多的水分。因此,通过叶片表面积的测量,可以评估植物在水分利用方面的表现。
当植物的高度变化时,会导致温室植物的表型特征变化,以下为具体原因:
叶片分布和形态变化:随着植物高度的增加,植物的叶片分布和形态可能会发生变化。底部的叶片可能会受到阻挡而变得较小,而顶部的叶片可能更大而且更接近光源,以更有效地进行光合作用。
光照条件的差异:随着植物高度的增加,不同高度的叶片暴露在不同的光照条件下。植物的上部可能更容易获得阳光,而底部可能会有更多的阴影。这会导致不同高度的叶片在光合作用效率和光合成产物分配方面存在差异。
水分和营养的分配:植物高度的增加可能导致水分和营养物质在植物体内的分配发生变化。上部的叶片通常更容易获得水分和养分,而底部的叶片可能面临更大的竞争。
气候因素的变化:随着植物高度的增加,植物可能更容易受到温度、湿度和风速等气候因素的影响。这些因素可以影响植物的生长速率、代谢活动和生理状态。
机械支撑的需求:高度增加可能需要更强的机械支撑结构,以支持植物的重量和维持垂直生长。这可能导致植物的茎、枝干和叶片的结构发生变化,以适应不同的力学需求。
因此,通过测量植物的高度尤为重要,如可做到会产生如下效果:
生长速率评估:监测植物高度的变化可以提供有关植物生长速率的信息。通过定期测量植物高度,可以评估植物在不同生长阶段的生长速率,帮助了解植物的发育情况。
生长阶段划分:植物的不同生长阶段通常伴随着特定的表型特征变化。通过测量植物高度,可以将植物生长过程划分为不同的阶段,从而更好地理解植物在不同发育时期的表现。
植被结构分析:植物高度数据可用于生成植被结构的三维模型,进而分析植被的垂直分布。这对于了解植物群落的空间结构、竞争关系以及生态系统的结构和功能至关重要。
当植物的生长速率变化时,会导致温室植物的表型特征变化,以下为具体原因:
植物高度和结构:生长速率的增加通常会导致植物更高的生长,可能影响植物的整体高度和结构。快速生长的植物可能具有更多的嫩梢和分支,改变植物的外观。
叶片数量和形态:生长速率的变化可能导致植物叶片的产生和形态的调整。较快的生长可能伴随着更多的叶片形成,而较慢的生长可能导致叶片形态的变化。
因此,通过测量植物的生长速率尤为重要,如可做到会产生如下效果:
表型特征调整:生长速率的改变可能导致温室植物表型特征的调整。例如,快速地生长可能伴随着更多的叶片、更高的植株,从而改变整体外观和结构。
生长状况评估:生长速率是评估植物整体生长状况的关键指标。快速的生长速率通常表明植物处于健康状态,而减缓的生长速率可能提示植物受到了某些压力或不良条件的影响。
综上所述,采集叶片的宽度、叶片的表面积、植物的高度和生长速率,用于表征温室植物表型特征有着极为重要的作用,以下为本实施方式中采集叶片的宽度、叶片的表面积、植物的高度和生长速率的具体实施方式。
其中,数据处理模块将所述叶片的宽度和叶片的表面积进行无量纲化处理,并进行相关性分析,生成植物的形态特征系数,依据的计算公式如下:
;
其中,参数意义为:为叶片的宽度,/>为叶片的表面积 ,/>为叶片的宽度的因子系数,/>为叶片的表面积的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C1为常数修正系数。
由上述的公式可知,当越高,植物的形态特征系数/>越高,/>越高,植物的形态特征系数/>越高,则表明/>、/>均和/>呈正相关关系,式中因子系数用于均衡各项数据在公式中的占比比重,从而促进计算结果的准确性。
其中,数据处理模块将所述植物的高度和生长速率进行无量纲化处理,并进行相关性分析,生成植物的生长特征系数,依据的计算公式如下:
;
其中,参数意义为:为植物的高度,/>为植物的生长速率 ,/>为植物的高度的因子系数,/>为植物的生长速率的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C2为常数修正系数。
由上述的公式可知,当越高,植物的生长特征系数/>越高,/>越高,植物的生长特征系数/>越高,则表明/>、/>均和/>呈正相关关系,式中因子系数用于均衡各项数据在公式中的占比比重,从而促进计算结果的准确性。
其中,数据分析模块将所述形态特征系数和生长特征系数/>进行无量纲化处理,并进行相关性分析,生成用于表征温室植物表型特征的综合指数/>,依据的计算公式如下:
;
其中,参数意义为:为形态特征系数的因子系数,/>为生长特征系数的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C3为常数修正系数。
将综合指数和预设的综合指数阈值/>相比较,判断温室植物的表型特征是否符合预期的过程如下:
当,温室植物的表型特征符合预期;
当,温室植物的表型特征不符合预期。
根据不同的结果,执行不同的策略的过程如下:
当温室植物的表型特征符合预期,维持当前的生长环境和管理措施;
当温室植物的表型特征不符合预期,采取及时有效的措施,以纠正表型特征偏离预期的情况,例如调整环境、管理养分和水分以及控制病虫害。
公式中的α、β、、μ、/>和/>的具体取值一般由本领域技术人员根据实际情况来确定,该公式本质为加权求和进行综合分析,由本领域技术人员采集多组样本数据,并对每一组样本数据设定对应的预设比例系数,将设定的预设比例系数和采集的样本数据代入公式,将计算得到的系数进行筛选并取均值,得到α、β、/>、μ、/>和/>的取值。
另外,预设因子系数的大小是为了将各个参数进行量化得到的一个具体的数值,其为了便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数,并不唯一,只要不影响参数与量化后数值的比例关系即可。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够、电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (6)
1.一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,包括:
数据采集模块,包括激光扫描仪和多光谱传感器,所述激光扫描仪用于采集同一时刻的植物表面的三维点云数据,所述三维点云数据用于创建植物的三维模型,所述多光谱传感器用于接收并处理所述三维模型中的点云数据,获取植物的形态特征参数和生长特征参数,所述形态特征参数包括植物的叶片的宽度和叶片的表面积,所述生长特征参数包括植物的高度和生长速率;
数据处理模块,用于将所述植物的叶片的宽度和叶片的表面积进行无量纲化处理,并进行相关性分析,生成植物的形态特征系数,将所述植物的高度和生长速率进行无量纲化处理,并进行相关性分析,生成植物的生长特征系数;
数据分析模块,用于将所述形态特征系数和生长特征系数进行无量纲化处理,并进行相关性分析,生成用于表征温室植物表型特征的综合指数,并将所述综合指数和预设的植物表型特征阈值相比较,判断温室植物的表型特征是否符合预期;
执行模块,用于根据不同的结果,执行不同的策略。
2.根据权利要求1所述的一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,所述数据处理模块将所述叶片的宽度和叶片的表面积进行无量纲化处理,并进行相关性分析,生成植物的形态特征系数,依据的计算公式如下:
;
其中,参数意义为:为叶片的宽度,/>为叶片的表面积 ,/>为叶片的宽度的因子系数,/>为叶片的表面积的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C1为常数修正系数。
3.根据权利要求2所述的一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,所述数据处理模块将所述植物的高度和生长速率进行无量纲化处理,并进行相关性分析,生成植物的生长特征系数,依据的计算公式如下:
;
其中,参数意义为:为植物的高度,/>为植物的生长速率 ,/>为植物的高度的因子系数,/>为植物的生长速率的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C2为常数修正系数。
4.根据权利要求3所述的一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,所述数据分析模块将所述形态特征系数和生长特征系数/>进行无量纲化处理,并进行相关性分析,生成用于表征温室植物表型特征的综合指数/>,依据的计算公式如下:
;
其中,参数意义为:为形态特征系数的因子系数,/>为生长特征系数的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C3为常数修正系数。
5.根据权利要求4所述的一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,将所述综合指数和预设的综合指数阈值/>相比较,判断温室植物的表型特征是否符合预期的过程如下:
当,温室植物的表型特征符合预期;
当,温室植物的表型特征不符合预期。
6.根据权利要求5所述的一种基于多光谱点云融合的高通量温室植物表型测量系统,其特征在于,根据所述不同的结果,执行不同的策略的过程如下:
当温室植物的表型特征符合预期,维持当前的生长环境和管理措施;
当温室植物的表型特征不符合预期,采取及时有效的措施,以纠正表型特征偏离预期的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410023223.3A CN117516639A (zh) | 2024-01-08 | 2024-01-08 | 一种基于多光谱点云融合的高通量温室植物表型测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410023223.3A CN117516639A (zh) | 2024-01-08 | 2024-01-08 | 一种基于多光谱点云融合的高通量温室植物表型测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117516639A true CN117516639A (zh) | 2024-02-06 |
Family
ID=89749862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410023223.3A Pending CN117516639A (zh) | 2024-01-08 | 2024-01-08 | 一种基于多光谱点云融合的高通量温室植物表型测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117516639A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118115882A (zh) * | 2024-04-26 | 2024-05-31 | 山东省农业机械科学研究院 | 一种基于多源感知融合的农业机器人巡检识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103833139A (zh) * | 2014-03-04 | 2014-06-04 | 中国科学院亚热带农业生态研究所 | 一种修复富营养化水体的水生植物种量化评估方法 |
CN106547948A (zh) * | 2016-10-10 | 2017-03-29 | 天津农学院 | 用于引种的园林绿化小乔木生长适应性的综合评价方法 |
CN108038351A (zh) * | 2017-12-06 | 2018-05-15 | 武汉大学 | 一种基于遥感影像和水生态模型的叶绿素计算方法 |
CN108981569A (zh) * | 2018-07-09 | 2018-12-11 | 南京农业大学 | 一种基于多光谱点云融合的高通量温室植物表型测量系统 |
CN113474618A (zh) * | 2019-02-01 | 2021-10-01 | 砺铸智能装备私人有限公司 | 使用多光谱3d激光扫描的对象检查的系统和方法 |
CN114965501A (zh) * | 2022-05-23 | 2022-08-30 | 青岛农业大学 | 基于冠层参数处理的花生病害检测与产量预测方法 |
CN115372945A (zh) * | 2022-08-12 | 2022-11-22 | 中国科学院空天信息创新研究院 | 一种基于同质目标的高光谱激光雷达距离效应校正的方法 |
CN116738766A (zh) * | 2023-08-11 | 2023-09-12 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的智慧农业线上产业化服务系统 |
CN116913405A (zh) * | 2023-07-21 | 2023-10-20 | 安徽农业大学 | 一种河流与湖泊底泥污染状况的综合评价方法 |
CN117036088A (zh) * | 2023-08-21 | 2023-11-10 | 安阳市游园管理站 | 一种ai识别绿化植物生长态势的数据采集分析方法 |
-
2024
- 2024-01-08 CN CN202410023223.3A patent/CN117516639A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103833139A (zh) * | 2014-03-04 | 2014-06-04 | 中国科学院亚热带农业生态研究所 | 一种修复富营养化水体的水生植物种量化评估方法 |
CN106547948A (zh) * | 2016-10-10 | 2017-03-29 | 天津农学院 | 用于引种的园林绿化小乔木生长适应性的综合评价方法 |
CN108038351A (zh) * | 2017-12-06 | 2018-05-15 | 武汉大学 | 一种基于遥感影像和水生态模型的叶绿素计算方法 |
CN108981569A (zh) * | 2018-07-09 | 2018-12-11 | 南京农业大学 | 一种基于多光谱点云融合的高通量温室植物表型测量系统 |
CN113474618A (zh) * | 2019-02-01 | 2021-10-01 | 砺铸智能装备私人有限公司 | 使用多光谱3d激光扫描的对象检查的系统和方法 |
CN114965501A (zh) * | 2022-05-23 | 2022-08-30 | 青岛农业大学 | 基于冠层参数处理的花生病害检测与产量预测方法 |
CN115372945A (zh) * | 2022-08-12 | 2022-11-22 | 中国科学院空天信息创新研究院 | 一种基于同质目标的高光谱激光雷达距离效应校正的方法 |
CN116913405A (zh) * | 2023-07-21 | 2023-10-20 | 安徽农业大学 | 一种河流与湖泊底泥污染状况的综合评价方法 |
CN116738766A (zh) * | 2023-08-11 | 2023-09-12 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的智慧农业线上产业化服务系统 |
CN117036088A (zh) * | 2023-08-21 | 2023-11-10 | 安阳市游园管理站 | 一种ai识别绿化植物生长态势的数据采集分析方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118115882A (zh) * | 2024-04-26 | 2024-05-31 | 山东省农业机械科学研究院 | 一种基于多源感知融合的农业机器人巡检识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | The future of Internet of Things in agriculture: Plant high-throughput phenotypic platform | |
US20220075344A1 (en) | A method of finding a target environment suitable for growth of a plant variety | |
CN117516639A (zh) | 一种基于多光谱点云融合的高通量温室植物表型测量系统 | |
Langstroff et al. | Opportunities and limits of controlled-environment plant phenotyping for climate response traits | |
Zhu et al. | High productivity of wheat intercropped with maize is associated with plant architectural responses | |
Zhu et al. | Rapid estimation of stomatal density and stomatal area of plant leaves based on object-oriented classification and its ecological trade-off strategy analysis | |
Liu et al. | Comprehensive and quantitative analysis of growth characteristics of winter wheat in China based on growing degree days | |
Pasala et al. | Plant phenomics: High-throughput technology for accelerating genomics | |
Reddy et al. | Morpho-physiological characterization of diverse rice genotypes for seedling stage high-and low-temperature tolerance | |
Santini et al. | Bridging the genotype–phenotype gap for a Mediterranean pine by semi‐automatic crown identification and multispectral imagery | |
CN108427862B (zh) | 基于图像分析的多品种全生育期棉花生物量无损测量方法 | |
Potenza et al. | Agrivoltaic system and modelling simulation: a case study of soybean (Glycine max L.) in Italy | |
Ting et al. | Universality of an improved photosynthesis prediction model based on PSO-SVM at all growth stages of tomato | |
Skalska et al. | Genetic and methylome variation in Turkish Brachypodium distachyon accessions differentiate two geographically distinct subpopulations | |
Popović et al. | Morpho-anatomical trait variability of the Norway spruce (Picea abies (L.) Karst.) needles in natural populations along elevational diversity gradient | |
Paux et al. | Breeding for economically and environmentally sustainable wheat varieties: an integrated approach from genomics to selection | |
Ma et al. | A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud | |
Dar et al. | Identification for surrogate drought tolerance in maize inbred lines utilizing high-throughput phenomics approach | |
CN109034462B (zh) | 玉米群体种植结构优化方法及装置 | |
CN115310680A (zh) | 一种番茄种苗模型建模与生长预测方法 | |
Zhang et al. | Modeling and simulation of temperature control system in plant factory using energy balance | |
CN117541422A (zh) | 一种基于农业环境数据的农业生产管理系统 | |
CN109934400B (zh) | 基于改进神经网络的集雨调亏作物需水量预测方法 | |
HU et al. | Genetic analysis on characteristics to measure drought resistance using Dongxiang wild rice (Oryza rufupogon Griff.) and its derived backcross inbred lines population at seedling stage | |
Moraga et al. | Leaf and canopy traits associated with stay-green expression are closely related to yield components of wheat genotypes with contrasting tolerance to water stress |
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 |