CN1286898A - 种植场中农作物营养状况的诊断方法 - Google Patents
种植场中农作物营养状况的诊断方法 Download PDFInfo
- Publication number
- CN1286898A CN1286898A CN00121753A CN00121753A CN1286898A CN 1286898 A CN1286898 A CN 1286898A CN 00121753 A CN00121753 A CN 00121753A CN 00121753 A CN00121753 A CN 00121753A CN 1286898 A CN1286898 A CN 1286898A
- Authority
- CN
- China
- Prior art keywords
- crops
- crop information
- crop
- light
- information
- 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
- 238000002405 diagnostic procedure Methods 0.000 title claims description 23
- 235000016709 nutrition Nutrition 0.000 title claims 4
- 230000035764 nutrition Effects 0.000 title claims 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 214
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 107
- 238000005259 measurement Methods 0.000 claims abstract description 78
- 238000002310 reflectometry Methods 0.000 claims abstract description 76
- 238000012937 correction Methods 0.000 claims abstract description 5
- 235000015097 nutrients Nutrition 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 32
- 230000012010 growth Effects 0.000 claims description 28
- 208000031968 Cadaver Diseases 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 17
- 239000000049 pigment Substances 0.000 claims description 5
- 230000001915 proofreading effect Effects 0.000 claims description 4
- 239000000470 constituent Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 26
- 235000008935 nutritious Nutrition 0.000 abstract 1
- 230000007246 mechanism Effects 0.000 description 34
- 238000012545 processing Methods 0.000 description 34
- 239000003337 fertilizer Substances 0.000 description 26
- 238000006243 chemical reaction Methods 0.000 description 23
- 241000209094 Oryza Species 0.000 description 22
- 235000007164 Oryza sativa Nutrition 0.000 description 15
- 235000009566 rice Nutrition 0.000 description 15
- 241000196324 Embryophyta Species 0.000 description 13
- 239000000126 substance Substances 0.000 description 13
- 238000010521 absorption reaction Methods 0.000 description 11
- 238000009792 diffusion process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 239000002689 soil Substances 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 6
- 238000003825 pressing Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011088 calibration curve Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000010304 firing Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000021121 meiosis Effects 0.000 description 1
- 238000009343 monoculture Methods 0.000 description 1
- 239000011022 opal Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Probability & Statistics with Applications (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Botany (AREA)
- Biodiversity & Conservation Biology (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
用摄象机测量在暴露于自然光下的农田或种植场中预定区域的农作物的光反射率;利用第一农作物关系式,获得第一农作物信息;选择至少两个部分的第一农作物信息;将光照射在农作物叶片上并测量光量;利用第二农作物关系式,获得第二农作物信息;计算第一农作物信息与第二农作物信息之差; 根据该差校正第一农作物信息;和根据校正的第一农作物信息进行农田中农作物的营养诊断。由于进行补偿或校正,因而不发生大误差,农作物的诊断简单容易,还能提高测量精度。
Description
本发明涉及利用在农田里生长的农作物的反射光获得用农作物氮含量等表示的农作物信息从而诊断农作物营养的方法。
获得诸如农作物氮含量比率、叶色素(leaf color)值、氮吸收量、植物高度、干物质(dry matter)重量等农作物信息的第一常规方法是这种方法,利用诸如数字摄象机之类的光接收装置、涂有硫酸钡等的参考板和其中生长农作物的单位农田(或其一部分)通过摄象来获得来自参考板和来自农田中农作物的反射光量,由参考板和农作物的反射光量获得农作物的反射率,然后根据得到的反射率和为了由反射率获得氮含量比率(氮吸收量,叶色素值,植物高度,干物质重量)而预定的关系式,获得氮含量比率(氮吸收量,叶色素值,植物高度,干物质重量),接着相对氮含量曲线与基于生长天数的该时间阶段的标准氮含量比率进行比较,从而进行生长诊断。可是,从农田获得的农作物的反射光量因天气而改变。此外,即使在用参考板补偿天气时,也需要使测量方向、风和种植密度中的各项处于与准备预定关系式以由反射率获得氮含量比率时所施加的条件相同。当条件不同时,需要由此进行补偿,但不能认为仅通过由作为基准的参考板获得反射率来补偿所有的条件。实际上,在太阳高度、测量方向、种植密度或种类的限制条件下进行测量。
至于第二种获得农作物信息的常规方法,有一个装置,其中具有与农作物信息有关的波长的光随农作物的生长而增加或降低,对农作物的叶片照射例如从可见光区到近红外区范围的光,和基于利用具有与农作物信息有关的波长的光获得的接收光量和为了由接收光量计算例如叶片氮含量等而预定的氮含量关系式,测量叶片氮含量。该装置用于测量农田里农作物的叶片数,并能够高精度地获得叶片氮含量。可是,为了准确地捕获整个农田中的农作物信息,需要对整个农田进行复杂并且麻烦的短暂测量。
上述第一常规方法是这种方法,尽管该方法测量简单,但从农田获得的农作物信息受诸如测量位置和植物密度等因素的影响,由于测量时间和位置情况,因而不能精确地测量。对测量没有限制并且有较高精度的第二种方法优于第一种方法。可是,第二种方法的问题是必须对每一个叶片进行测量,因而要求大量的测量点并因此需要长时间。
本发明的目的在于,当测量反射光量获得农作物信息时,可以进行补偿,以便没有因测量位置和植物密度引起的误差出现,并且所提供的诊断农作物营养的方法能够简单和容易地测量农作物信息并可提高测量精度。
本发明的第一种方法是诊断农田中农作物的方法,其中测量光的反射率,该光来自暴露于自然光下的农作物农田的固定区域中的农作物且其波长与随农作物的生长而增加或降低的农作物信息有关;利用所述反射率和为由反射率获得农作物信息而预定的第一农作物关系式,获得预定农作物的农作物信息并作为第一农作物信息存储;测量透射光和反射光中至少任一个的光量,所述光的波长与随农作物生长而增加或降低的农作物信息有关;利用所述光量和为由光量获得农作物信息而预定的第二农作物关系式,获得农作物信息并作为第二农作物信息存储;获得所述第一农作物信息与所述第二农作物信息之差;获得来自相同农田中预定区域的未知农作物的第一农作物信息;根据所述差补偿该第一农作物信息;和根据所述补偿的第一农作物信息进行在农田中农作物的营养诊断。
预先已研究了通过获得农作物的反射光量获得反射率和用于获得第一农作物信息的反射光量来获得第一农作物关系式,并且它是常规的,此外,还研究了通过对叶子照射光获得反射率来获得确定的用于获得第二农作物信息的第二农作物关系式,并且它也是常规的。因此,可容易地获得这种信息。按照本发明,并有效地组合上述两个有用的方式,计算由这两个方式分别获得的第一农作物信息与第二农作物信息之差。利用该差补偿第一农作物信息,不仅可以补偿因天气变化(天气、时间、存储位置)引起的误差,而且还可补偿被认为难以补偿的因耕种因素(测量方向、种植密度)变化引起的误差。因补偿能够简单容易地进行,因而该方法特别适于在同一农田中的多点进行营养诊断。
存储如上确定的第一农作物信息与第二农作物信息之差,仅获得已获得第一农作物信息的该农田中固定区域的未知农作物的第一农作物信息,便可利用第一农作物信息和上述差来补偿第一农作物信息。该方法能够容易地补偿因种植密度和测量方向引起的误差,该方法可在提供补偿值的设备中实施。这种设备容易用于农作物营养诊断。
第二发明涉及诊断农作物的方法,其中测量光的反射率,该光来自暴露于自然光下的农田固定区域中的农作物且其波长与随农作物的生长而增加或降低的农作物信息有关;根据多个部分的每一部分的反射率和为由反射率获得农作物信息而预定的第一农作物关系式,计算各部分的农作物信息,和将这种信息作为第一农作物信息并存储;从存储的各部分的第一农作物信息中选择至少两个部分的农作物信息;将光照射到农田的这两个部分中的叶片上;测量透射光或反射光中的至少任一个,所述光的波长与随农作物生长而增加或降低的农作物信息有关;利用所述光量和为由光量获得农作物信息而预定的农作物关系式,计算这两个部分的农作物信息,将这种信息作为第二农作物信息并存储;确定用于根据第二农作物信息校正第一农作物信息的补偿换算公式;利用补偿换算公式补偿各部分的第一农作物信息并将其作为第三农作物信息;和利用获得的第三农作物信息进行在种植场中农作物的营养诊断。
为了比第一农作物营养诊断方法更精确地进行补偿,采用第二种农作物营养诊断方法。即,在获得农作物信息并分成多个部分之后,从多个部分内选择至少两个数据点,由与选择这两个数据点的农田相同的农田中的农作物叶子直接获得第二农作物信息。这样,利用第一和第二农作物信息的这两个数据点,确定其相互关系并限定补偿关系式,然后根据该公式,补偿多个部分中的所有值。在获得的补偿关系式中,可由区域的固定范围获得多个农作物信息,并且利用补偿关系式,可对大范围的区域补偿第一农作物信息。
在上述第一和第二营养诊断方法和用该方法进行农作物诊断中,可获得各单位农作物农田的第一农作物信息,或获得可任意确定并且小于单位农作物农田的各单位区域的信息。其中单位农作物农田指用通常称为“犁沟”的东西分割的一块农田。
第三发明涉及诊断农作物的方法,其中测量光的反射率,该光来自暴露于自然光的农田中多个分割部分的各部分的农作物且其波长与随农作物的生长而增加或降低的农作物信息有关;根据反射率和为由反射率获得农作物信息而预定的第一农作物关系式,计算各部分的农作物信息,和将这种信息作为第一农作物信息并存储;从存储的各部分的第一农作物信息中选择至少两个部分的农作物信息;将光照射到位于农田的这两个部分中的叶片上;测量透射光或反射光中的至少任一个,所述光的波长与随农作物生长而增加或降低的农作物信息有关;利用所述光量和为由光量获得农作物信息而预定的农作物关系式,计算这两个部分的农作物信息,将这种信息作为第二农作物信息并存储;确定用于根据第二农作物信息校正第一农作物信息的补偿换算公式;利用补偿换算公式补偿各部分的第一农作物信息并将其作为第三农作物信息;和利用获得的第三农作物信息进行农作物种植场的营养诊断。
与上述第二种农作物诊断方法不同,该第三方法获得与多个分割部分单独有关的信息。从多个部分中选择至少两个部分的数据,通过从与这两个部分相同的部分中的农作物叶子直接获得第二农作物信息,利用这两点的数据确定第一农作物信息与第二农作物信息之间的相互关系,限定补偿关系式。根据该公式,可补偿多个部分的所有值。在获得补偿关系式中,可由大范围区域获得多个农作物信息,并且由补偿关系式,可对大范围区域补偿第一农作物信息。
至于第三农作物诊断方法中的部分,单位农作物农田可以由一个部分形成,由多个单位农作物农田信息可获得第一农作物信息,或由设在单位农作物农田内的多个部分获得各部分的第一农作物信息。
在上述第二和第三农作物诊断方法中,存储第一农作物关系式和补偿换算公式并测量未知农田农作物叶子的反射率,由此根据第一农作物关系式和补偿换算公式,获得第三农作物信息。在控制装置的存储器部分中存储这些项目并用于适当地操作,该方法可用于设备中,不仅实现农作物诊断而且还对提高测量精度有利。
有关第二和第三农作物诊断方法,从多个部分中选择的任意两个部分可以分别是第一农作物信息的最大值和最小值的部分。以这种方式,在高和低的两点,可容易地确定第一农作物信息和第二农作物信息的补偿换算中的直线,而不受其余数据的影响。
可以是各种农作物信息,但为了诊断农作物营养的目的,认为叶子的氮含量或叶子的色素值最好。这种考虑的原因是,在农作物中,叶子中的氮含量是直接表示化肥作用或施肥适当或不适当的因素。
在第一至第三农作物诊断方法中,为了测量光的反射率,该光的波长与随农作物生长而增加或降低的农作物信息有关,利用多个图象元(element)构成的摄象元拍摄农作物反射率的图象,选择相应于农作物的接收反射光的图象元,和根据所选图象元的接收数据的光测量反射率,由此提供通过获得第一农作物信息而诊断农作物的方法。无论单位农田是否在例如1m2范围内,用如数字摄象机之类的摄象装置获得的反射光受种植密度或对农田摄象的方向的影响,以致作为反射光的拍摄农作物图象的光不一定是反射光。即,从单元图象元的观点来看,可能包括从不是农作物反射的反射光,例如从农田土壤反射的光。这样,仅仅选择与区域的预定范围的反射率有关的图象元并用作来自农作物的反射光,根据这种接收光数据获得第一农作物信息。
根据参照附图说明的本发明的优选实施例的下列描述,将明了本发明的以上和其它目的、特征和优点,其中:
图1是表示设置于农田中且用于测量农作物叶子反射光的摄象机和参考板的位置简图;
图2是用于测量农作物叶子反射光的摄象机的方框图;
图3是数据处理装置的方框图;
图4是表示拍摄农作物农田图象时俯角和张角的图;
图5是表示图象元和图象传感器拍摄区域配坐(coordinate)的图;
图6是叶片氮含量测量装置的控制框图;
图7是表示叶片氮含量测量装置的操作的图;
图8是表示用叶片氮含量测量装置的测量与用摄象机摄象之间的氮含量关系的曲线图;
图9是表示在多个部分中进行营养诊断补偿的值的表格;
图10是表示农作物叶子和土壤的相对于波长的反射率曲线的图;
图11是表示用摄象机获得的由农作物叶子和土壤接收的光的数据的图;
图12是示意性表示测量入射光的照明光度计的侧剖面图;
图13是表示自动化肥撒肥机的侧视图;
图14是表示在农作物农田中使用自动化肥撒肥机时农作物农田的平面图;和
图15是其中安装按照本发明的装置的耕种机的侧视图。
参照图1-图3说明本发明的测量装置。其中,水稻植物用作农作物例。作为光接收装置的摄象机2对着生长着农作物的农田1,用于测量农作物的反射光。当然,农田1暴露于自然光下。此外,白色的参考板3设置在农作物农田1中。
图2是展示摄象机2的方框图。摄象机2具有数量级在240000(600×400)象素的分辨率并配有面型传感器4。在摄象机2中,有配备多个窄带通滤波器5的滤光轮6,通过例如旋转滤光轮6转换滤光器5。通过例如作为光学装置的会聚透镜7由面型传感器4接收通过滤光器5的光。在控制电路8的控制下利用步进电机9旋转滤光轮6。并且,控制电路8将从传感器4接收的光信号传送给数据处理装置20。
从450、550、625、650、675和700nm的可见光波长和从750、850、950-1300nm的近红外区波长中适当选择各滤光器5。就这些波长来说,需要选择能够展示因改变氮含量比率或农作物叶色素值而引起特性改变的区域。因此,可从可见光波长和近红外区波长或从它们中的任一个中选择滤光器。并且,波长不限于本发明实施例中的那些波长。图2示出四个滤光器,但滤光器的数量并不受限制,是可以改变的,可按照期望的目的进行改变。操作开关10连接到控制电路8。操作开关10配有起动摄象操作的摄象起动开关10a、停止摄象操作的摄象停止开关10b、转换滤光器的滤光器转换开关10c、传送摄象数据的数据传送开关10d和电源开关10e。
图3用方框图表示数据处理装置20。数据处理装置20配有模拟/数字转换器(以下称为“A/D转换器”)21、在A/D转换之后存储图象数据的帧存储器22、可视地显示图象数据的监视器23、和数字图象处理板24。这些部分通过输入/输出端口(以下称为“I/O端口”)25与算术处理图象数据的CPU26连接,并通过接口板(以下称为“I/F板”)27与后述的叶片氮含量测量装置30连接。此外,其中存储控制程序等的只读存储器(以下称为“ROM”)28和能够存储计算结果和可按要求读出它们的读写存储器(以下称为“RAM”)29连接到CPU26。
当按压传感器的电源开关10e时,面型传感器4接收图象的反射光信号并变成图象信号,当按压数据传送开关10d时,该图象信号传送给数据处理装置20。在数据处理装置20,利用图象处理板24处理图象信号并在监视器23上显示被处理的图象。在监视器23,当确认农田1时,设置摄象机的位置并确定摄象范围。一旦摄象的范围确定,便按压摄象起动开关10a通过当前设置的滤光器5拍摄农田1中生长的水稻植物叶子的图象,然后旋转步进电机9和滤光轮6,转换滤光器转换开关10c,由此从控制电路8输出信号。在旋转滤光轮6转换滤光器5之后,按压摄象起动开关10a再进行图象拍摄。结果,对各滤光器5来说产生图象信号。其中,如果摄象机2的面型传感器4缺少大容量的存储元件,那么每次摄象便按压数据传送开关10d,,将数据传送给数据处理装置20。
由摄象机2的面型传感器4接收的反射光是参考板3的反射光量和农田1中农作物叶子的反射光量。当测量参考板3的反射光量,即参考光量时,可计算自然光入射的光量。即,如果参考板3是已知反射率的板,那么参考板3的反射率被解释为例如95%的固定反射率,当测量从参考板3反射的光时假设反射光量为X,未知的自然光光量(参考光量)假设为Y,那么建立下式1。
Y=X/0.95………………… (1)
Y:自然光量(参考光量)
X:来自参考板的光量
利用上式1,可计算自然光量(参考光量)Y。因此,如果测量的水稻农作物的反射光为Z,那么建立下式2。
U=Z/Y…………………… (2)
U:水稻农作物叶子的反射率
Y:自然光量(参考光量)
Z:水稻农作物叶子的反射光量
因此,可获得水稻农作物叶子的反射率。利用该反射率计算水稻农作物叶子中的氮含量。公式1和2存储在ROM28中。以下列方式测量和存储上述自然光量。转换摄象机2配备的滤光器5,测量各滤光器的参考板3的反射光量,并将测量的数据传送给数据处理装置20,由A/D转换器21数字转换该数据并存储在RAM29中。即,在各滤光器5测量并存储自然光Y的量值。
利用摄象机2,转换滤光器5,在各滤光器5,接收农田1某范围中水稻农作物叶子的反射光量并将其传送给数据处理装置20。在数据处理装置20,由A/D转换器21对该信号进行数字转换并将其存储在帧存储器22中。在CPU26,对于存储在帧存储器22中的各滤光器5的叶子反射光量来说,获得由各图象元接收的反射光量平均值,根据预先存储在ROM28中的上述公式2计算反射率,计算结果存储在RAM29中。以这种方式,存储按单位图象元在某一范围例如1平方米(1m2)内农作物叶子的反射率。就其中所获得的反射率而言,最好补偿入射光量之差,该入射光量之差是在摄象机置于大体与农作物农田相同水平面的地上的情况下,因摄象机与农作物农田之间的远近关系引起的从农作物农田到摄象机的反射光入射角之差所致。
图4表示拍摄的农场1中的农作物叶子的240000象素的图象数据被再分成多个部分(divisions)的例子。例如,利用摄象机2,转换滤光器5,在各滤光器,接收农田1中某一范围中水稻农作物叶子的反射光量并传送给处理装置20。在数据处理装置20,由A/D转换器21对信号进行数字转换并将其存储在帧存储器22中。在CPU26,相对于存储在帧存储器22中的各滤光器5的叶子反射光量,例如从图4中左侧顶部开始形成第①-⑨部分,获得由各图象元2接收的反射光量平均值。然后,基于预选存储在ROM28中的上述公式2,计算这9个部分各部分的反射率并存储在RAM29中。如果假定一个摄象机接收光的范围,例如为1m2,那么存储在1m2内这9个部分的反射率。在监视器23上,显示正由图象处理板24处理的图象。
在RAM29中,存储通过多个滤光器5中的每一个接收的上述农田某一区域内的农作物叶子的反射率和利用各滤光器5在这9个部分中分别处理的农作物叶子的反射率。使存储在RAM29中的各滤光器5的反射率或利用各滤光器5在这9个部分中处理的反射率作为说明变量,通过收集相同的某一区域或相同部分内生长的叶子,直接化学分析来自这些叶子的农作物信息,例如氮含量,或通过直接测量叶子颜色来获得颜色值,使氮含量比率或颜色值作为客观变量。然后,制定并在ROM28中存储用于获得农田某一区域内农作物叶子的农作物信息的关系式(第一农作物关系式)和用于获得这9个部分中各部分的农作物叶子的农作物信息的公式(第一农作物关系式)。
并且,假定在第①部分有利用滤光器1的反射率R1,有利用滤光器2的反射率R2,有利用滤光器3的反射率R3,有利用滤光器4的反射率R4,有通过化学分析相同部分内农作物叶子所获得的氮含量比率N1,如果满足下列公式3,
N1=F0+F1·R1+F2·R2+F3·R3·F4·R4,………… (3)
通过测量多个氮含量比率N,将满足下列公式4,
N1=F0+F1·R11+F2·R21+F3·R31·F4·R41
N2=F0+F1·R12+F2·R22+F3·R32·F4·R42
Nn=F0+F1·R1n+F2·R2n+F3·R3n·F4·R4n…………(4)
如果在这里进行多重回归分析,那么获得下列公式5,即,第一农作物关系式。
N=F0+F1·R1+F2·R2+F3·R3·F4·R4+C………… (5)
其中,N:被测目标的氮含量
F0-F4:常数
R1~R4:各滤光器反射率
C:补偿值
对于叶子色素值,同样可获得关系式。以上式5存储于ROM28中。
如上那样,如果,公式1、公式2和公式5预先存储在ROM28中,用摄象机2拍摄参考板和农田中某一区域内水稻农作物的叶子,将图象信号传送给数据处理装置20,那么根据数据处理装置20的第一农作物关系式(公式5)计算氮含量比率。以这种方式,可获得在农田某一区域内水稻农作物的氮含量比率或各部分即第①-⑨部分中的氮含量比率(第一农作物信息)。图4的各部分中所给出的值是如上获得的氮含量比率例。
下面参照图5-图7说明叶片氮含量测量装置30的实例。在局部剖切图中示出便携式氮含量测量装置(以下称为“测量装置”)30的主要部分。构成图5和图6中所示的装置,以便在主体31内,配置光源部分32和在下部配置构成光量检测装置33的光电二极管(未示出)。作为光源32,提供LED 34、35,即在相同周边(periphery)上具有不同标称波长峰值的多个光发射元件,并将分别具有不同波带的窄带通滤光器36、37提供给LED34、35。作为波带,500nm-1100nm最好,从这些波带,选择与由这些波带获得的叶片氮含量有关的窄带通滤光器36、37,或选择与叶色素值有关的任意特定波长。利用窄宽通滤光器36、37从各LED34、35发射的光变成具有特定波长的光,并入射到在其上选择光的扩散反射板38上。并且,形成块39,以便来自各LED34、35的光以大体固定的角度入射到扩散反射板38上。
在扩散反射板38上反射的光入射到配置于块39中心的反射光通路40中,然后入射到配置于反射光通路40的辐射侧41上的扩散透射板42上。扩散透射板42垂直于反射光通路40的光轴设置,并由毛玻璃或乳白色玻璃形成。通过由反射光通路40和扩散反射板38包围的空间,光射出反射光通路40同时重复反射并扩散,通过扩散透射板42和被测叶子43入射到光量检测装置44中。
并且,在光量检测装置32的顶部周边,环绕地配置顶盖31,用轴46枢轴地支撑从顶盖31延伸的臂45。此外,枢轴地支撑顶盖31的轴46载有线圈弹簧47,以便不断地向顶盖31加负荷。即,从图7中将明白,在进行测量时,叶子43被插入测量部分,顶盖31的顶部压向下就能够进行测量操作。在测量定时,向下压顶盖31,下压突起(未示出)对配置于其相对方向的微型开关48加压,检测顶盖31的下压便可进行测量(光照射和光量测量)。
下面,说明图5中的方框图所示的光吸收测量装置1。利用光量检测装置44,将光源部分32构成的在测量部分检测的样品叶子43的透射光量转换成模拟信号。光源部分32配有LED34、35的发光装置51。在模拟板50,实施从模拟到数字信号的A/D转换或从电压到频率的V/F转换。被转换的信号通过I/O板输入到用作运算和控制装置的CPU53中。在I/O板52中,配备用于显示计算结果或操作指令的液晶显示装置LCD54、执行操作的输入部分55、从外部输入数据或将数据输出到外部的装置、和开关48。供电的电源板57连接到该CPU板53和I/O板52。此外,打印机58通过打印I/F板59连接到CPU板53上。并且,只读存储器(以下称为“ROM”)60和读写存储器(以下称为“RAM”)61连接到CPU板53上。在ROM 60中存储基于不同农田或不同种类(品种)的多个校准曲线,校准曲线构成用于获得氮含量比率(第二农作物信息)的关系式(第二农作物关系式),其中根据对预先测量氮含量比率的多片叶子照射光所获得的多个吸收光量计算吸收率,利用作为说明变量的吸收率和作为客观变量的多个已知氮含量比率,构成多元回归分析。至于回归分析,已说明获得上式5的过程,因此这里不再重复说明。并且,ROM60存储一连串用于测量在测量装置30的吸收率并计算如氮含量比率之类的量的程序,该程序根据吸收的测量和计算执行操作,显示计算结果。
以下说明如上构成的测量装置30的功能。在将叶子样品43插入测量装置30中之后,顶盖31压向下时,来自开关48的信号被传送给CPU板53。从CPU板53,信号被输出到发光控制装置51,发光信号从发光控制装置51传送到光源部分32。以这种方式,交替地从LED34和LED35对样品叶子43照射光。从LED34和LED35发射的光通过窄带通滤光器36、37转变为特定波长的光,即近红外区域和可见射线区域的光。由于光从扩散透射板42到达光量检测装置44,同时如所述那样不断反射和扩散,以与集算球(integrating sphere)相同的均匀度照射样品叶子43。
当光照射到样品叶子43上时,由光量检测装置44分别接收各LED34、35的反射光或透射光,接收的光信号传送到模拟板50进行A/D转换。在模拟板50进行A/D转换并通过I/O板52将转换的信号输入给CPU板53。在CPU板53,计算来自样品叶子43的透射光或反射光的反射率、透射率或吸收率,然后将计算的值存储在RAM61中。根据存储在RAM61中的吸收率和预先存储在ROM33中的氮含量的关系式,可以计算被测叶子的氮含量。输入部分55配有用于转换测量装置30的电源开关55a、能够测量透射光的测量开关55、和具有读出存储于ROM60中的校准曲线(公式)、或存储在RAM61中的吸收率或透射光数据或计算结果、或样品号的转换功能的读出开关55c。
以下,说明基于第一农作物信息和第二农作物信息处理农田中农作物诊断的本发明第一实施例。说明第一农作物信息和第二农作物信息。利用摄象机2,测量例如来自参考板3的反射光和与氮含量比率有关的波长的反射光量,它们是随暴露于自然光下的农田1的水稻植物的生长而增加和降低的农作物信息。如图3和图4所示,在数据处理单元20中,根据由摄象机2测量的光接收范围内的叶子反射光量和用于获得在存储于ROM28中的光接收范围内的反射率的公式2,计算反射率,利用这样获得的该反射率和存储于ROM28中的第一农作物的所述公式,在RAM29中存储在摄象机2的光接收范围内的作为第一农作物信息的氮含量比率和氮含量比率。
下面,说明有关在摄象机2的光接收范围内生长的水稻植物叶子的氮含量比率的情况。用装置30测量的水稻植物叶子的氮含量比率(第二农作物信息)是直接由水稻植物叶子获得的测量值,该值不受诸如测量方向和植物密度等因素的影响。因此,按照本发明,计算第一农作物信息与第二农作物信息之间的差。例如,假定首先测量的第一农作物信息是4.0%,用装置30测量的第二农作物信息是3.0%,用装置30测量的值作为第二农作物信息并存储在RAM61中。将利用测量装置30获得的第二农作物信息从测量装置30的连接端口20通过数据处理单元20的I/F板传送到数据处理单元20,该信息存储在RAM29中。在单元20,根据RAM29中的第一农作物信息与第二农作物信息之间的差-1%,通过对第一农作物信息加-1%补偿到3.0%,补偿第一农作物信息。
即,该差最新地存储于RAM29中作为补偿值,在用摄象机2测量光接收范围内的其它农作物叶子的反射光之后,增加-1%的差以补偿由单元20计算的所有值。以这种方式,利用摄象机2和单元20可实现不受测量方向和植物密度影响的测量。并且,在RAM29中存储补偿值之后,至少不需要对同一农田进行由装置30进行的多次测量,仅由摄象机2进行一次测量便导致比以前的情况更高精度的测量。并且,不需要相对农田内所有农作物进行利用测量装置30进行的氮含量比率的测量,而相同地测量农田1内有代表性的农作物叶子就足够了。
下面说明用于营养诊断的本发明的第二实施例。利用摄象机2,测量来自参考板3的反射光,例如,与氮含量有关的波长的反射光量,该反射光量是按照暴露于自然光的农田1的水稻植物的生长而增加和降低的农作物信息。如图2-图4所示,在数据处理单元20中,根据由摄象机2测量的第①-⑨分割部分中反射光量和存储在ROM28中的各部分反射率的公式2计算反射率,利用所获得的该反射率和存储于ROM28中的第一农作物关系式,按一部分一部分方式的氮含量比率作为第一农作物信息,并在RAM29中存储氮含量比率。
利用操作者或单元20,选择按一部分一部分方式所获得的比率中的任意两个部分的氮含量比率,最好,选择的是氮含量比率值最大和氮含量最小的部分。在图4所示被选的部分中,利用测量装置30测量在相应农田的部分例如最大值为4.2%的第⑤部分和为最小值2.4%的第⑦部分中生长的水稻农作物叶子的氮含量比率。其中测量的氮含量比率是在不受测量方向或植物密度的任何影响的情况下导出的。
在测量装置30中,通过照射与依照农作物的生长其农作物信息增加或降低的叶片氮含量比率有关的波长的光,由相应于上述农田中所选的两个部分的水稻农作物叶片直接获得接收光量,由该接收光量并根据吸收率和用于从吸收率获得叶片氮含量的预定第二农作物关系式计算与以上两个部分有关的氮含量比率,在本实施例中,吸收率由接收光量转换而成。然后,获得第⑤部分的3.0%的氮含量比率和第⑦部分的2.4%的氮含量比率,这些值存储在RAM61中作为第二农作物信息。将由测量装置30获得的这两个部分的氮含量比率中的每一个从测量装置30的连接端口56通过数据处理单元20的I/F板传送给数据处理单元20,该信息被存储于RAM29中。
参照图8,说明第三农作物信息,该第三农作物信息是根据存储于RAM29中的构成第二农作物信息的两个部分的氮含量比率,补偿也存储于RAM29中的各部分(在第①-第⑨部分中的氮含量比率)的第一农作物信息而获得的。图8是在其横坐标轴上表示由测量装置30测量的氮含量比率(第二农作物信息)同时在其纵坐标轴上表示由数据处理装置20计算的氮含量比率(第一农作物信息)的曲线图。即,该曲线表示由测量装置30测量的两个部分的氮含量比率为3.0%和2.4%,和由数据处理单元20计算的第⑤部分的氮含量比率为4.2%和第⑦部分的氮含量比率为3.6%。以这种方式,由测量装置30实际和直接从水稻农作物叶片实际测量的两个部分的氮含量比率和由利用摄象机2测量的氮含量比率的关系构成的简单函数表示的直线,使相互关系更清楚,并且利用该简单函数,补偿用摄象机2测量的氮含量比率。其中,利用函数表示的直线进行补偿,该函数被存储于RAM29中作为补偿换算公式。图8中,特别是,将第5部分的4.2%的氮含量比率补偿到3.0%,和将第⑧部分的3.6%的氮含量比率补偿为2.4%。同样地,如图9中所示,根据由这两个部分相互关系确定的补偿换算公式对其余部分的值进行补偿。这表示如何获得第三农作物信息。这样获得的第三农作物信息是对于这9个部分但由这些进一步获得平均值,对于用摄象机拍摄的图象范围可以作为单一农作物信息进行处理。至于补偿系数,展示并说明利用这两个部分的典型值获得的简单函数表示的值,但该补偿系数有可能是利用摄象机摄象的整个部分的农作物信息作为说明变量和利用测量装置30获得的整个部分的农作物信息作为客观变量获得的相互关系系数,无论是线性或非线性的都可利用这种系数。
随后用数据处理单元20根据图8所示的补偿换算公式补偿由摄象机2测量的氮含量比率,以便将该结果用于更精确地测量。因此,与仅用测量装置30的常规方法相比,,在农田中多个点测量叶片的氮含量比率,可更快地获得要寻找的信息。并且,当考虑到拍摄参考板获得农作物氮含量比率和农田仍处于研究阶段这一事实,当然认为上述方法对提高测量精确更有利。并不是对农田1中所有农作物叶子都要用测量装置30来测量氮含量比率。
显然,就其目的来说,按照本发明第一和第二实施例从农田1获得农作物信息进行营养诊断减弱了对摄象机2位置的依赖。即,其中的农田1可以是被一般称其为“犁沟”的东西划分的一块农田或可以在面积上大于一块农田。在限定补偿值或补偿系数上重要的是,由摄象机获得的农作物信息源和由测量装置30获得的农作物信息源来自相同农田。就本发明第二实施例中进行营养诊断的部分而言,无论是将一次摄象行动拍摄的从一块农田获得的农作物信息分割成多个部分,还是将从小于一块农田的农田获得的农作物信息分割成多个部分,都没有关系。可是,重要的是,在限定补偿值或补偿系数中,从同一源收集农作物信息。
下面,说明进行诊断的本发明第三实施例。其中,作为从农田1分割的多个部分信息的方法,用与多个部分的数量相同的摄象行动的数量利用摄象机2获得反射光量。即,与第二实施例不同的营养诊断在于对于各部分单独使用摄象机2来获得农作物信息。以这种方式,由于按一个部分一个部分的方式获得的农作物信息量大于按照第二实施例的一次摄象获得的信息量,因而可提高由相对于农作物信息的相互关系限定的补偿系数的精度。由于如何确定补偿系数的方式与第二实施例相同,因而这里不再进行说明。其中补偿系数可以是相互关系系数,该相互关系系数通过使利用摄象机摄象的所有部分的农作物信息作为说明变量和使利用测量装置30获得的所有部分的农作物信息作为客观变量的相互关系系数来获得。无论是线性还是非线性的都可利用这种系数的事实与第二实施例相同。
接着,根据利用数据处理装置20的如图8所示的补偿变换原理,对由摄象机2测量的所有氮含量比率进行补偿,以便所获得的值可用作更精确测量的值。因此,与仅利用测量装置30测量农田中多个点的叶片的氮含量比率的常规方法相比,可以非常快地获得寻找的信息。并且,当考虑到利用参考板和农田的摄象获得农作物氮含量比率还在研究阶段这一事实时,可认为上述方法对提高测量精度非常有利。利用测量装置30的氮含量测量并不对农田1中所有的农作物叶子进行,而是仅测量农田1中某些有代表性的叶子。
显然,按照本发明第三实施例的由农田1获得的用于营养诊断的农作物信息减弱了摄象机2相对于目标位置的依赖性。即,其中的农田1可以是用一般称为“犁沟”的东西分割的一块农田或可以是大于区域中一块农田的农田。在限定补偿值或补偿系数方面重要的是用摄象机获得农作物信息的源和用测量装置30获得的农作物信息的源来自同一农田和同一部分。并且,就本发明实施例中的部分而言,将由一次摄象行动获得的农作物信息看作一个部分,还是将由小于一块农田的农田获得的农作物信息看作一个部分都无关紧要。可是,重要的是,在限定补偿值或补偿系数方面,所收集的农作物信息基于同一来源。
如前所述,由摄象机进行的测量能够利用参考板3补偿因天气引起的误差,和利用由测量装置30获得的值补偿因测量方向以及种植密度引起的误差。即,当由测量装置30进行补偿时,由于在摄象机2的测量中,利用由相同摄象机2直接测量农作物叶子而获得的值来补偿利用参考板补偿因天气误差引起的天气误差的补偿值,和由于利用测量装置30直接测量的农作物叶子的值是与测量方向和种值密度无关的值,因而通过补偿最后获得的值是不受各种外部因素影响的值,与仅使用常规摄象机2和数据处理的所谓遥感器中的值不同。
在第一至第三实施例中利用摄象机2收集的农作物信息中,利用摄象机2获得的信息不必是所有农作物信息。即,当检查各图象元中的数据时,发现,尽管几乎所有的是农作物信息,但由于在向下看农作物的状态下获得农作物信息,因而能取决于种植密度,包括在图象中的土壤。这样,按照本发明,使作为农作物信息接收的图象元和作为非农作物信息接收的图象元分开,仅仅作为农作物信息接收的图象元的数据被看作为农作物信息。
图10是表示土壤反射率和农作物叶子反射率相对于波长变化的曲线图。在750nm-1300nm的波长中,发现农作物叶子反射率相对于土壤反射率相差在20%的数量级。因而,由公式1和公式2获得的例如值超过40%的反射率作为从农作物叶子接收的光的数据进行处理。另一方面,低于上述百分数的值,不作为从农作物叶子接收的光的数据进行处理并被删除。仅仅利用接收的超过40%的光的数据,或在获得各图象元的平均值之后利用该数据,并作为利用摄象机2获得的农作物信息对该值进行处理。例如,图11(a)假定接收光的数据是多个图象元。在这种情况下,对于1象素的单元,用斜格子表示的部分是农作物叶子的反射光,其反射率大于40%。如果斜格子部分相对于土壤而不是农作物叶子,如果计算表明反射率低于40%,那么删除其反射率低于40%的图象元的接收光数据,作为农作物信息用的数据是由图11(b)中所示的斜条表示的图象元获得的接收光的数据。以这种方式,按照本发明,增加对由摄象机2接收的数据的选择,以便根据利用摄象机2的农作物信息和利用测量装置30的农作物信息确定补偿值或补偿系数。这样,由摄象机2获得的选择信息是仅从农作物叶子获得的信息。从测量装置30获得的信息当然是从农作物叶子直接测量的信息,以便通过农作物信息和补偿值或补偿系数进行的农作物诊断是准确和精确的。
至此已说明,通过测量参考板的反射光,获得利用摄象机2的农作物叶子的反射光的测量,但可以按用照明光度计测量形式测量入射光。图12示意性表示照明光度计93。具有从近红外线区域到可见光线区域光谱特性的该光度计配有光电转换部分(硅传感器)94,用于选择入射到光电转换部分94的光的多个窄带通滤光器96被提供给利用步进电机97旋转的滤光轮95的周边部分。通过旋转该滤光轮95,转换多个滤光器96。在光电转换部分94的光接收面侧(图12的上部),在屏蔽板中配置开口部分98,在此之上,配置扩散圆屋顶99,该扩散圆屋顶99由其中心具有光电转换部分94的扩散反射板形成。光电转换部分94和步进电机97与控制部分100接通,它旋转用以转换滤光器96步进电机97,并输出光电转换部分94的信号。至于滤光器96的种类它们与摄象机2的滤光器5相同。控制部分100连接到数据处理装置20的I/O端口25(图3)并受其控制。滤光器96包括中断光的滤光器,以这种方式,利用滤光器96的转换能够进行零补偿。
利用来自数据处理装置20的信号,照明光度计93的控制部分100转换滤光器96为期望的滤光器。此时,用滤光器96检测从扩散圆屋顶99扩散-反射和进入的自然光量,将用光电转换部分94检测的信号传送给数据处理装置20。在数据处理装置20,将用照明光度计93获得的光量作为入射光量Y并应用于公式2中,以便将从农作物叶子获得的反射光量计算成反射率。当使用照明光度计93时,根据照明光度计93测量反射光量时的随时间的反射率获得第一农作物关系式。
上述说明是在摄象机2拍摄一块农作物农田的一部分(1m2)的图象的前提下作出的。可是,可以对要摄象的一整块农田进行类似补偿,可以在例如水稻农作物生长阶段的穗分化初期那样的各特定时间阶段进行测量,或可以对农田的一部分进行补偿和评价整个农田的氮含量。在该方法中,如果按一种类一种类的方式或一个区域一个区域的方式(或一块农田一块农田的方式)进行,那么可更有效地补偿。即,如果ROM28分别存储各种类或各区域的多个补偿校正曲线,那么当需要它们时便可读出和使用它们。用于本实施例中的摄象机有240000象素的分辨率。如果一次摄象10个区域的农田以获得农作物信息,那么每一平方米的图象元为250象素。如果在这种数量级的分辨率是可获得的,那么使用人造卫星代替将摄象机2置于地上的情况,可拍摄所需要的图象。并且,摄象的摄象机可安装在气球、无线电控制的飞机或有人驾驶的飞机里。
以上讨论了氮含量比率,按一种类一种类或一区域一区域的方法常规地研究了水稻农作物,以便在诸如穗分化初期和减数分裂期等任意生长阶段有最好的氮含量比率。可以对按照本发明获得的利用被补偿的第一农作物信息或第三农作物信息的氮含量比率和作为农作物生长参考的常规研究所确定的氮含量比率进行比较。当相对这种基准进行比较时,无论氮含量比率变高或变低,都可以由此决定随后的施肥量。以上所述的可应用于叶色素值。由于叶片的色素值与氮含量比率之间有非常高的相互关系,并且在两者中的变化彼此相似。因此,可以认为上述说明和讨论可应用于任何与叶色素值有关的任何实施例中。参照图1-图3所述的方法可用于不是氮含量比率和色素值的情况,例如植物高度、干物质重和氮吸收量等,并且还可用于种植非水稻的其它植物。
下面说明将上述方法应用于自动化肥撒肥机。图13表示配有化肥罐71和设置于罐71下且利用电机72旋转的螺杆(screw)73的自动化肥撒肥机。在罐71的这侧,配置用于测量农作物农田中植物叶子氮含量的摄象机74,和用于测量入射光的照明光度计93。用于支撑罐的腿部76配有允许罐在其上旋转的旋转装置77。旋转装置77的旋转轴78载有接收电机83的驱动力的滑轮79。电机72和螺杆73装载皮带80,电机83和滑轮79装载皮带81。摄象机74和电机72连接到控制装置82。作为其电源,使用蓄电池或电缆连接的AC电源。图14表示设置轨道91以允许自动化肥撒肥机70在其上行驶的农作物农田90的平面图。允许滚筒装置在轨道91上行驶,可以使自动化肥撒肥机在农作物农田90上撒化肥。
参照图3的数据处理装置30说明如上构成的化肥撒肥机。控制装置76有与数据处理装置30类似的结构,并且在ROM28中存储计算反射率以获得第一农作物信息所需的上述公式1和公式2、第一农作物关系式(公式5)、由两个部分确定且用于获得第三农作物信息的补偿换算公式(图8)、和根据按一种类(品种)一种类方式在生长的特定阶段(撒肥阶段)的参考氮含量比率与氮含量比率之差计算化肥量的计算公式。
一旦开始操作,电机83便驱动滑轮79旋转,自动化肥撒肥机70按恒定速度开始沿轨道91行驶。当行驶开始时,数据处理装置30接收来自照明光度计93的入射光。并且,摄象机74拍摄作为所观察农田信息的农作物农田的图象。当如上那样获得农作物农田90的反射光和入射光时,根据照明光度计93的入射光、ROM28中的公式2和农作物农田的反射光,计算农作物农田中植物的反射率。当计算反射率时,根据ROM28中的第一农作物关系式计算作为第一农作物信息的氮含量比率。当计算氮含量比率作为第一农作物信息时,根据计算值和ROM28中的补偿换算公式获得第三农作物信息。如上获得的作为第三农作物信息的氮含量比率几乎具有与本发明其它实施例所获得的精度相同的精度。
如上所获得的氮含量与存储于ROM28中的在生长期间特定阶段的已知氮含量曲线(参考值)比较,通过比较在本农作物农田的氮含量比率与参考氮含量,计算它们之间之差。这样进行该比较,如果进行本测量的生长特定阶段是例如穗分化阶段,那么将进行比较的参考值按照相同穗分化阶段的该值。这样,需要在测量前将测量时间或阶段输入控制装置82中。换言之,自动化肥撒肥机70用于该特定时间或阶段。相对参考值计算的差值被转换为根据差值预先确定的化肥量,并根据这种化肥量,确定电机72的旋转速度并驱动电机72。自然地,随着电机72旋转速度的增加,化肥施加速度增加,另一方面,随着旋转速度降低,化肥的施加减少。并且,即使不存在差值,也可以对随后可能的化肥有效地进行撒肥。
以上说明了自动化肥撒肥机70在设置于农作物农田90的轨道91上的行驶。当然,如图15所示,也可以将自动化肥撒肥机70、摄象机74和照明光度计93附着于常规耕田机93的前端。以这种方式,即使农作物农田没有规则形状(不是方的)时,那么按照直接在化肥撒肥机70操作之前的农作物信息可完成施肥。即使现在,即使在机械施肥之后,要施加的化肥量仍通过将植物叶子颜色或测量的叶片氮含量值与由经验获得的生长阶段中的参考值进行比较经验地确定,一般对整个农作物农田施加平均化肥量。但是,当应用本发明的特征时,可自动计算化肥量,并且,可以与农作物农田中有关的部分成比例地施加化肥。
通过测量农作物叶子的反射光可按简单和容易的农作物氮含量计算方式进行农作物营养诊断,此外还可通过直接照射农作物叶子和测量反射光或透射光计算农作物的氮含量比率,准确并精确地进行农作物营养诊断。
此外,在通过测量农作物叶子的反射光和计算农作物氮含量进行简单和容易的农作物营养诊断的方法中,直接照射农作物叶子来测量反射光或透射光,可高精度地补偿由测量方向、在风中叶子的颤动、种植密度不同所引起的任何误差,和通过计算农作物氮含量进行农作物诊断。利用该简单和容易的农作物诊断方法,可以进行比用常规方法获得的数值更高精度的诊断。
尽管在其优选实施例中已描述了本发明,但应该理解,所进行的描述仅仅是说明的文字而不是限定性的,可在所附权利要求的范围内进行改变而不会脱离由权利要求书所限定的本发明的实际范围。
Claims (13)
1.在暴露于自然光下的种植场固定区域中的农作物营养状况的诊断方法,所述方法包括下列步骤:
测量光的反射率,该光来自所述种植场中预定农作物且其波长与随农作物的生长而增加或减少的农作物信息有关;
将所述测量反射率用于为由反射率获得农作物信息而预先建立的第一农作物关系式,获得所述预定农作物的第一农作物信息,并存储所述第一农作物信息;
照射所述预定农作物的叶片,测量透射光和反射光中至少任一个的光量,所述光的波长与随农作物生长而增加或减少的农作物信息有关;
将所述测量的光量用于为由光量获得农作物信息而预先建立的第二农作物关系式,获得所述预定农作物的第二农作物信息,并存储所述第二农作物信息;
计算所述第一农作物信息与所述第二农作物信息之差;
测量来自所述相同种植场中未知农作物的光的反射率,所述光的波长与随农作物生长而增加或减少的农作物信息有关;
将所述未知农作物的所述被测反射率用于所述第一农作物关系式,获得所述未知农作物的所述第一农作物信息;
根据所述差校正所述未知农作物的所述第一农作物信息;和
根据所述校正的第一农作物信息确定在所述种植场中所述未知农作物的营养状况。
2.如权利要求1所述的种植场中农作物营养状况的诊断方法,还包括下列步骤:
存储由所述第一农作物信息与所述第二农作物信息计算的所述差。
3.在暴露于自然光下的种植场固定区域中的农作物营养状况的诊断方法,所述方法包括下列步骤:
测量光的反射率,该光来自所述种植场中预定农作物且其波长与随农作物的生长而增加或减少的农作物信息有关,获得分割所述种植场形成的多个部分的按一个部分一个部分方式的反射率;
将所述各部分的所述反射率用于为由反射率获得农作物信息而预先建立的第一农作物关系式,获得所述预定农作物的第一农作物信息,并存储各部分的所述第一农作物信息;
选择所述多个部分中至少两个部分的第一农作物信息;
照射所选两个部分中所述预定农作物的叶片,测量透射光和反射光中至少任一个的光量,所述光的波长与随农作物生长而增加或减少的农作物信息有关;
将各部分的所述被测光量用于为由光量获得农作物信息而预先建立的第二农作物关系式,获得在所选两个部分中所述预定农作物的第二农作物信息,并存储所选两个部分的所述第二农作物信息;
确定用于根据所述第二农作物信息校正所述第一农作物信息的补偿换算公式;
测量来自所述相同种植场中未知农作物的光的反射率,所述光的波长与随农作物生长而增加或减少的农作物信息有关;
将所述未知农作物的所述被测反射率用于所述第一农作物关系式,获得所述未知农作物的所述第一农作物信息;
根据所述补偿换算公式一个部分一个部分地校正所述未知农作物的所述第一农作物信息,获得第三农作物信息;和
根据所述校正的第三农作物信息确定在所述种植场中所述未知农作物的营养状况。
4.如权利要求1或3所述的种植场中农作物营养状况的诊断方法,其特征在于,在其中获得各单位种植场的所述第一农作物信息。
5.如权利要求1或3所述的种植场中农作物营养状况的诊断方法,其特征在于,在其中获得比单位种植场小的种植场各任意预定单位区域的所述第一农作物信息。
6.在暴露于自然光下的种植场中农作物营养状况的诊断方法,所述方法包括下列步骤:
测量光的反射率,该光来自被分割成多个部分的所述种植场中各部分的预定农作物且其波长与随农作物的生长而增加或减少的农作物信息有关;
将所述各部分的所述反射率用于为由反射率获得农作物信息而预先建立的第一农作物关系式,获得所述预定农作物的第一农作物信息,并存储各部分的所述第一农作物信息;
选择所述多个部分中至少两个部分的第一农作物信息;
照射所选两个部分中所述预定农作物的叶片,测量透射光和反射光中至少任一个的光量,所述光的波长与随农作物生长而增加或减少的农作物信息有关;
将各部分的所述被测光量用于为由光量获得农作物信息而预先建立的第二农作物关系式,获得在所选两个部分中所述预定农作物的第二农作物信息,并存储所选两个部分的所述第二农作物信息;
确定用于根据所述第二农作物信息校正所述第一农作物信息的补偿换算公式;
测量来自所述相同种植场中未知农作物的光的反射率,所述光的波长与随农作物生长而增加或减少的农作物信息有关;
将所述未知农作物的所述被测反射率用于所述第一农作物关系式,获得所述未知农作物的所述第一农作物信息;
根据所述补偿换算公式一个部分一个部分地校正所述未知农作物的所述第一农作物信息,获得第三农作物信息;和
根据所述校正的第三农作物信息确定在所述种植场中所述未知农作物的营养状况。
7.如权利要求6所述的种植场中农作物营养状况的诊断方法,其特征在于,在其中所述一个部分相应于单位种植场。
8.如权利要求6所述的种植场中农作物营养状况的诊断方法,其特征在于,其中所述多个部分被限定在单位种植场中。
9.如权利要求3或6所述的种植场中农作物营养状况的诊断方法,其特征在于,在其中存储所述第一农作物关系式和补偿换算公式,测量未知种植场中农作物叶片的反射率,根据所述第一农作物关系式和所述补偿换算公式获得所述第三农作物信息。
10.如权利要求3、6或9所述的种植场中农作物营养状况的诊断方法,其特征在于,其中所述两个部分之一是呈现最大值的部分,所述两个部分中的另一部分是呈现最小值的部分。
11.如权利要求1、2、3、6或9所述的种植场中农作物营养状况的诊断方法,其特征在于,其中所述农作物信息是氮含量。
12.如权利要求1、2、3、6或9所述的种植场中农作物营养状况的诊断方法,其特征在于,其中所述农作物信息是叶片色素。
13.如权利要求1、2、3、6或9所述的种植场中农作物营养状况的诊断方法,其特征在于,其中,为了测量其波长与随农作物生长而增加或减少的农作物信息有关的光的反射率,用具有多个象素的图象拍摄装置拍摄农作物反射光图象,仅选择已接收相应于农作物的反射光的象素,和根据所选象素的接收光数据,获得所述第一农作物信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP17171299A JP3824201B2 (ja) | 1999-04-09 | 1999-06-17 | 作物の栄養診断方法 |
JP171712/1999 | 1999-06-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1286898A true CN1286898A (zh) | 2001-03-14 |
Family
ID=15928289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN00121753A Pending CN1286898A (zh) | 1999-06-17 | 2000-06-17 | 种植场中农作物营养状况的诊断方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US6466321B1 (zh) |
CN (1) | CN1286898A (zh) |
AU (1) | AU771365B2 (zh) |
ID (1) | ID26384A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710406B (zh) * | 2004-06-18 | 2010-04-28 | 中国农业大学 | 作物长势实时分析仪 |
CN102246205A (zh) * | 2008-12-03 | 2011-11-16 | 于利奇研究中心有限公司 | 用于测量植物的叶盘生长的方法以及对此适合的装置 |
CN104865349A (zh) * | 2015-04-27 | 2015-08-26 | 安徽省农业科学院土壤肥料研究所 | 蓝莓叶片营养诊断及施肥方法 |
CN105973469A (zh) * | 2016-05-16 | 2016-09-28 | 南京高恳特科技有限公司 | 带同步辐射矫正的无人机载高光谱图像探测仪及方法 |
CN106028792A (zh) * | 2013-12-19 | 2016-10-12 | 菲泰科有限公司 | 用于农作物管理的方法和系统 |
CN107709942A (zh) * | 2015-06-26 | 2018-02-16 | 索尼公司 | 检查设备、感测设备、灵敏度控制设备、检查方法和程序 |
CN107907487A (zh) * | 2017-12-12 | 2018-04-13 | 南宁职业技术学院 | 一种化肥生产过程中氮含量智能监测装置 |
CN108713362A (zh) * | 2018-05-28 | 2018-10-30 | 苏州格目软件技术有限公司 | 一种基于植被光谱分析的自动化农业机械 |
CN110087452A (zh) * | 2016-12-27 | 2019-08-02 | 亚拉国际有限公司 | 用于确定植物状态的系统和方法 |
CN112739197A (zh) * | 2018-10-03 | 2021-04-30 | 不二精工株式会社 | 植物培育装置 |
CN113874710A (zh) * | 2019-05-28 | 2021-12-31 | 佳能株式会社 | 图像处理方法、图像处理装置、成像系统和程序 |
CN115023134A (zh) * | 2020-02-06 | 2022-09-06 | 株式会社尼罗沃克 | 生长诊断系统、生长诊断服务器以及生长诊断方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6795568B1 (en) * | 1998-07-17 | 2004-09-21 | Torsana Laser Technologies A/S | Method and an apparatus for severing or damaging unwanted plants |
ID26882A (id) * | 1999-08-10 | 2001-02-15 | Satake Eng Co Ltd | Metode diagnosa kondisi nutrisi hasil panen di ladang tanaman |
US20030070679A1 (en) * | 2001-06-01 | 2003-04-17 | Boehringer Ingelheim Pharma Kg | Capsules containing inhalable tiotropium |
US7123750B2 (en) * | 2002-01-29 | 2006-10-17 | Pioneer Hi-Bred International, Inc. | Automated plant analysis method, apparatus, and system using imaging technologies |
US6813544B2 (en) * | 2002-08-19 | 2004-11-02 | Institute Of Technology Development | Method and apparatus for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
US7103451B2 (en) | 2002-08-19 | 2006-09-05 | Intime, Inc. | Method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
US7362439B2 (en) * | 2003-08-01 | 2008-04-22 | Li-Cor, Inc. | Method of detecting the condition of a turf grass |
US7251031B2 (en) * | 2004-01-23 | 2007-07-31 | Iguana Robotics, Inc. | Colorstick |
US20070282812A1 (en) * | 2006-03-08 | 2007-12-06 | Superior Edge, Inc. | Process execution support system |
US8135178B2 (en) * | 2007-04-10 | 2012-03-13 | Deere & Company | Process for normalizing images or other data layers |
US8391565B2 (en) | 2010-05-24 | 2013-03-05 | Board Of Trustees Of The University Of Arkansas | System and method of determining nitrogen levels from a digital image |
US9117140B2 (en) | 2010-05-24 | 2015-08-25 | Board Of Trustees Of The University Of Arkansas | System and method of in-season nitrogen measurement and fertilization of non-leguminous crops from digital image analysis |
CN101881725B (zh) * | 2010-06-11 | 2012-01-11 | 浙江大学 | 基于反射光谱的大棚作物生长状况自动监测系统 |
US8694454B2 (en) | 2011-02-17 | 2014-04-08 | Superior Edge, Inc. | Methods, apparatus and systems for generating, updating and executing a vegetation control plan |
DE102011110674B4 (de) * | 2011-08-19 | 2013-03-21 | Phenospex B.V. | Vorrichtung zur Bestimmung eines Wachstums einer Pflanze oder eines Bestandes durch eine Höhenbestimmung |
US9113590B2 (en) | 2012-08-06 | 2015-08-25 | Superior Edge, Inc. | Methods, apparatus, and systems for determining in-season crop status in an agricultural crop and alerting users |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN103900974A (zh) * | 2014-03-26 | 2014-07-02 | 华南农业大学 | 一种测量归一化植被差异指数的方法及仪器 |
US9489576B2 (en) | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
US9916505B2 (en) * | 2014-09-22 | 2018-03-13 | Deere & Company | Method and system for collecting image data |
CN105486657A (zh) * | 2015-12-31 | 2016-04-13 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定叶菜主要营养成分的方法 |
WO2018022864A1 (en) * | 2016-07-28 | 2018-02-01 | The Texas A&M University System | Method and apparatus for radiometric calibration and mosaicking of aerial images |
AU2016277672A1 (en) | 2016-12-22 | 2018-07-12 | Canon Kabushiki Kaisha | Method of selecting an ordered image subset for structure assessment |
US20190108631A1 (en) * | 2017-10-06 | 2019-04-11 | AgriSight, Inc. | System and method for field pattern analysis |
CN109631821A (zh) * | 2019-01-14 | 2019-04-16 | 江西农业大学 | 一种快速无损测量竹子叶片面积的方法 |
CN117808271B (zh) * | 2024-02-29 | 2024-05-24 | 余姚市农业技术推广服务总站 | 一种数字化农业肥料数据优化管理方法及系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2077426B (en) | 1980-05-30 | 1983-12-14 | Fuji Electric Co Ltd | Apparatus for measuring film thickness |
JPS5717842A (en) | 1980-07-07 | 1982-01-29 | Satake Eng Co Ltd | Photoelectric sorting apparatus of color sorter |
GB2142426B (en) | 1983-06-30 | 1986-09-17 | Gunsons Sortex Ltd | Sorting machine and method |
US4742228A (en) | 1984-04-19 | 1988-05-03 | Gebruder Buhler Ag | Infrared measuring apparatus and process for the continuous quantitative determination of individual components of flour or other groundable food products |
JPS61204072A (ja) | 1985-03-07 | 1986-09-10 | 株式会社 東洋精米機製作所 | 光学的選別機の光線透過窓清掃装置 |
US4801804A (en) | 1986-09-30 | 1989-01-31 | Trebor Industries, Inc. | Method and apparatus for near infrared reflectance measurement of non-homogeneous materials |
US5135114A (en) | 1988-08-11 | 1992-08-04 | Satake Engineering Co., Ltd. | Apparatus for evaluating the grade of rice grains |
GB9003698D0 (en) | 1990-02-19 | 1990-04-18 | Sortex Ltd | Apparatus for sorting or otherwise treating objects |
US5220400A (en) | 1990-06-01 | 1993-06-15 | Texas Instruments Incorporated | Container inspection system |
IL99367A (en) | 1991-09-02 | 1995-12-31 | Israel Atomic Energy Comm | System for performing ir transmission spectroscopy |
US5258825A (en) | 1991-11-13 | 1993-11-02 | Perten Instruments North America, Inc. | Optical compositional analyzer apparatus and method for detection of ash in wheat and milled wheat products |
US5443164A (en) | 1993-08-10 | 1995-08-22 | Simco/Ramic Corporation | Plastic container sorting system and method |
JPH07155702A (ja) | 1993-12-01 | 1995-06-20 | Satake Eng Co Ltd | 穀粒色彩選別装置 |
JPH0815141A (ja) | 1994-06-24 | 1996-01-19 | Satake Eng Co Ltd | 葉の成分量測定方法及び装置 |
IT1281156B1 (it) | 1995-07-03 | 1998-02-13 | Protec Srl | Selezionatrici per polveri e materiale particolato fine. |
JPH10160669A (ja) | 1996-10-02 | 1998-06-19 | Satake Eng Co Ltd | 食品の灰分測定方法及び装置 |
US6178253B1 (en) * | 1997-10-10 | 2001-01-23 | Case Corporation | Method of determining and treating the health of a crop |
US6160902A (en) * | 1997-10-10 | 2000-12-12 | Case Corporation | Method for monitoring nitrogen status using a multi-spectral imaging system |
US6366681B1 (en) * | 1999-04-07 | 2002-04-02 | Space Imaging, Lp | Analysis of multi-spectral data for extraction of chlorophyll content |
-
2000
- 2000-06-14 ID IDP20000489D patent/ID26384A/id unknown
- 2000-06-16 US US09/595,023 patent/US6466321B1/en not_active Expired - Fee Related
- 2000-06-17 CN CN00121753A patent/CN1286898A/zh active Pending
- 2000-06-19 AU AU40910/00A patent/AU771365B2/en not_active Ceased
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710406B (zh) * | 2004-06-18 | 2010-04-28 | 中国农业大学 | 作物长势实时分析仪 |
CN102246205A (zh) * | 2008-12-03 | 2011-11-16 | 于利奇研究中心有限公司 | 用于测量植物的叶盘生长的方法以及对此适合的装置 |
CN102246205B (zh) * | 2008-12-03 | 2013-12-04 | 于利奇研究中心有限公司 | 用于测量植物的叶盘生长的方法 |
US10631474B2 (en) | 2013-12-19 | 2020-04-28 | Phytech Ltd. | Method and system for treating crop according to predicted yield |
CN106028792A (zh) * | 2013-12-19 | 2016-10-12 | 菲泰科有限公司 | 用于农作物管理的方法和系统 |
US10721880B2 (en) | 2013-12-19 | 2020-07-28 | Phytech Ltd. | Method and system for crop management |
CN104865349A (zh) * | 2015-04-27 | 2015-08-26 | 安徽省农业科学院土壤肥料研究所 | 蓝莓叶片营养诊断及施肥方法 |
CN107709942A (zh) * | 2015-06-26 | 2018-02-16 | 索尼公司 | 检查设备、感测设备、灵敏度控制设备、检查方法和程序 |
US11448586B2 (en) | 2015-06-26 | 2022-09-20 | Sony Group Corporation | Inspection apparatus, sensing apparatus, sensitivity control apparatus, inspection method, and program with pixel sensitivity control |
CN105973469A (zh) * | 2016-05-16 | 2016-09-28 | 南京高恳特科技有限公司 | 带同步辐射矫正的无人机载高光谱图像探测仪及方法 |
CN105973469B (zh) * | 2016-05-16 | 2018-02-16 | 南京高恳特科技有限公司 | 带同步辐射矫正的无人机载高光谱图像探测仪及方法 |
CN110087452A (zh) * | 2016-12-27 | 2019-08-02 | 亚拉国际有限公司 | 用于确定植物状态的系统和方法 |
CN110087452B (zh) * | 2016-12-27 | 2023-02-03 | 亚拉国际有限公司 | 用于确定植物状态的系统和方法 |
CN107907487A (zh) * | 2017-12-12 | 2018-04-13 | 南宁职业技术学院 | 一种化肥生产过程中氮含量智能监测装置 |
CN108713362A (zh) * | 2018-05-28 | 2018-10-30 | 苏州格目软件技术有限公司 | 一种基于植被光谱分析的自动化农业机械 |
CN112739197A (zh) * | 2018-10-03 | 2021-04-30 | 不二精工株式会社 | 植物培育装置 |
US11690325B2 (en) | 2018-10-03 | 2023-07-04 | Fuji Seiko Co., Ltd. | Plant growing apparatus |
CN113874710A (zh) * | 2019-05-28 | 2021-12-31 | 佳能株式会社 | 图像处理方法、图像处理装置、成像系统和程序 |
CN113874710B (zh) * | 2019-05-28 | 2024-03-12 | 佳能株式会社 | 图像处理方法、图像处理装置、成像系统和程序 |
CN115023134A (zh) * | 2020-02-06 | 2022-09-06 | 株式会社尼罗沃克 | 生长诊断系统、生长诊断服务器以及生长诊断方法 |
CN115023134B (zh) * | 2020-02-06 | 2023-08-08 | 株式会社尼罗沃克 | 生长诊断系统、生长诊断服务器以及生长诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
ID26384A (id) | 2000-12-21 |
US6466321B1 (en) | 2002-10-15 |
AU4091000A (en) | 2000-12-21 |
AU771365B2 (en) | 2004-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1286898A (zh) | 种植场中农作物营养状况的诊断方法 | |
CN1302277C (zh) | 田间作物营养诊断方法 | |
JP5020444B2 (ja) | 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体 | |
US20120155714A1 (en) | Vegetation indices for measuring multilayer microcrop density and growth | |
CN106596412A (zh) | 利用无人机携带多光谱光源进行植物生长监测的方法 | |
US6573512B1 (en) | Analysing device non-destructive of plants and vehicle comprising such device on board | |
US20010016053A1 (en) | Multi-spectral imaging sensor | |
CN107807125A (zh) | 基于无人机载多光谱传感器的植物信息计算系统及方法 | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
IT201900001891A1 (it) | Metodo per il monitoraggio di superfici vegetali | |
CN109243268A (zh) | 一种宇航用可见光图像探测器测试与演示验证平台及方法 | |
CN1218177C (zh) | 评估谷物品质的方法和其装置 | |
JP4305795B2 (ja) | 作物の診断方法 | |
JP4314683B2 (ja) | 作物の診断方法 | |
CN116458422A (zh) | 一种调控植物生育周期多阶段光照的种植系统 | |
CN106908062A (zh) | 一种自走式叶绿素荧光图像采集机器人及其采集方法 | |
JP2000350517A5 (zh) | ||
RU2693255C1 (ru) | Методика дистанционной рекогносцировочной диагностики обеспечения растений азотом (с помощью мультиспектральной камеры и беспилотных летательных аппаратов) | |
JP2000350517A (ja) | 作物の診断方法 | |
Evans et al. | DEVELOPMENT OF A SPECTRAL IMAGING SYSTEM BASED ON A LIQUID CRYSTAL TUNABLE FILTE | |
Mazzetto et al. | Comparing commercial optical sensors for crop monitoring tasks in precision viticulture | |
CN111238395A (zh) | 一种作物根系表型获取的360度多层次旋转式图像监测仪 | |
CN105181632A (zh) | 网络型多维度植物成像ndvi测量装置 | |
CN212410553U (zh) | 一种植物表型与同化作用集成检测装置 | |
JP2021038972A (ja) | 量子効率分布の取得方法、量子効率分布の表示方法、量子効率分布の取得プログラム、量子効率分布の表示プログラム、分光蛍光光度計及び表示装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C53 | Correction of patent of invention or patent application | ||
CB02 | Change of applicant information |
Applicant after: Statake Co., Ltd. Applicant before: Statake Engineering Co., Ltd. |
|
COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: SATAKE ENGINEERING (MFG.) CO., LTD. TO: SATAKE CORP. |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |