CN1975378A - 基于可见/近红外多光谱成像的灰霉病害早期诊断系统 - Google Patents
基于可见/近红外多光谱成像的灰霉病害早期诊断系统 Download PDFInfo
- Publication number
- CN1975378A CN1975378A CN 200610154853 CN200610154853A CN1975378A CN 1975378 A CN1975378 A CN 1975378A CN 200610154853 CN200610154853 CN 200610154853 CN 200610154853 A CN200610154853 A CN 200610154853A CN 1975378 A CN1975378 A CN 1975378A
- Authority
- CN
- China
- Prior art keywords
- image
- near infrared
- plant
- multispectral imaging
- infrared multispectral
- 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.)
- Granted
Links
- 238000000701 chemical imaging Methods 0.000 title claims abstract description 29
- 201000010099 disease Diseases 0.000 claims abstract description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 19
- 238000002310 reflectometry Methods 0.000 claims abstract description 18
- 238000013399 early diagnosis Methods 0.000 claims abstract description 7
- 238000010191 image analysis Methods 0.000 claims description 10
- 241001465180 Botrytis Species 0.000 claims description 8
- 241001237160 Kallima inachus Species 0.000 claims description 6
- 206010039509 Scab Diseases 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000002405 diagnostic procedure Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 35
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 241000219739 Lens Species 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 150000007523 nucleic acids Chemical group 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于可见/近红外多光谱成像的植物叶片与冠层灰霉病害早期诊断系统，其特征在于包括可见/近红外多光谱成像仪、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源，可见/近红外多光谱成像仪分别通过RS－232串口线及图象采集卡数据线与计算机连接，计算机上设有图像分析处理软件。本发明可实现多种植物灰霉病害的快速、准确、稳定、实时、非破坏性的诊断，并且做到尽可能地早期病害检测；并通过对检测出染病的植物进行药物处理，可以减少由于全面喷洒而造成的药物用量，降低生产成本并减少污染。
Description
技术领域
本发明涉及一种植物叶片与冠层灰霉病害早期诊断系统，尤其是指一种基于可见/近红外多光谱成像的植物叶片与冠层灰霉病害早期诊断系统。
背景技术
植物灰霉病害对于植物生长的危害十分严重。病害不仅能够导致经济植物的产物产量和质量的下降，同时会引起农药等药物的大量投入以及防治费用的上升，从而增加了农林生产成本并会造成严重的环境污染。现有的病害检测方法在实际农林业生产中都存在取样、测定、数据分析等方面需要耗费大量的人力、物力的缺点，且实时性差，无法满足具体生产实践的需要。肉眼观测存在着疲劳、情绪等主观因素的干扰；基于分子水平的检测方法，如生物测定技术、核酸序列分析技术、分子标记技术，PCR技术等，虽然较为准确，但不能实时操作，且需要专业人员操作，耗时，成本较高；通过以往的病害发生数据进行的统计预测在精度方面不够高，缺少实效性，并且只适用于在一个很大的地域范围内进行粗略估计，很难对小区或单株进行。
可见/近红外多光谱成像技术是一种能够同时采集可见光谱和红外光谱等波段数字图像并进行分析的技术。它结合了光谱分析技术(敏感波段提取)和计算机图像处理技术的长处，同时可以弥补光谱仪抗干扰能力较弱和RGB图像感受范围窄的缺点。针对错综复杂的外部环境和形状各异的植物品种，利用可见/近红外多光谱成像技术，同时处理可见光谱和红外光谱图像中植物的颜色信息、形状信息以及特征信息，对植物生长健康状况进行快速、准确的检测。
发明内容
本发明提供了一种结构简单，制作方便，应用可见/近红外多光谱成像技术，可快速、准确地采集被测植物叶片和冠层的可见/近红外多光谱图象信息，分析得到被测植物灰霉病害的感染程度，从而实现实时无损的植物灰霉病害检测的诊断系统。
一种基于可见/近红外多光谱成像的植物叶片与冠层灰霉病害早期诊断系统，包括可见/近红外多光谱成像仪、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源，可见/近红外多光谱成像仪分别近红外多光谱成像仪通过RS-232串口线及图象采集卡数据线与计算机连接，计算机上设有图像分析处理软件；
RS-232串行口控制可见/近红外多光谱成像仪采集被测植物的冠层图象和反射率动态标定板图象，通过图象采集卡输入计算机，图像分析处理软件分析植物冠层图象红色、绿色及近红外三个通道图像的信息，通过反射率动态标定板将该三个通道图像信息的灰度值转换成反射率值，分离土壤背景，去除泥土、枯叶等干扰因素，提取被测植物的病害信息，诊断被测植物是否感染病害及病症出现的位置。
所述的可见/近红外多光谱成像仪采集图象所用光源为日光，当室内无日光时采用人工光源。
上述系统的图像分析处理软件对采集到的被测植物冠层图象的诊断过程包括以下步骤：
1)通过反射率动态标定板在被测植物冠层图象的红、绿、近红外三个通道图象中各个象素点的灰度值及其对应的反射率值建立两者之间的线性相关关系；
2)通过建立的图象灰度值和反射率值的线性关系，将图象的灰度值转换成反射率值；
3)通过近红外通道的图象信息，将图象中土壤背景和植物分离；
4)剔除植物图像上泥土、枯叶等和病斑颜色大小相似的干扰因素；
5)确定病症所在的位置并根据病斑的大小、形状、颜色深浅等判断病害严重程度；
6)分析决策是否对拍摄植物喷药，并确定剂量、喷头形状及喷药种类。
与传统病害检测手段相比，本发明系统具有以下优点：
(1)功能强大，可实现多种植物灰霉病害的快速、准确、稳定、实时、非破坏性的诊断，并且做到尽可能地早期病害检测；
(2)系统简单，整个检测系统只由一个可见/近红外多光谱成像系统、一个图像采集卡、一台计算机、一块反射率动态标定板组成；
(3)使用方便，当测量系统的各组件都连接完毕后，最后的图象采集分析工作通过图像分析处理软件完成；
(4)通过对检测出染病的植物进行药物处理，可以减少由于全面喷洒而造成的药物用量，降低生产成本并减少污染。
附图说明
图1为本发明系统的结构原理框图；
图2为本发明系统的软件流程图。
具体实施方式
如图1所示，一种基于可见/近红外多光谱成像的植物叶片与冠层灰霉病害早期诊断系统，包括可见/近红外多光谱成像仪、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源，可见/近红外多光谱成像仪分别近红外多光谱成像仪通过RS-232串口线及图象采集卡数据线与计算机连接，计算机上设有图像分析处理软件；
可见/近红外多光谱成像仪通过三个电荷耦合器件(Charge CoupledDevice，CCD)传感器实时采集被测植物的冠层图像和反射率动态标定板图像。RS-232串行口用于图象采集的控制。图像包括绿光波段(550nm±40nm)、红光波段(650nm±40nm)、近红外波段(800nm±40nm)三个波段通道的单色图像，图像信息通过图象采集卡输入计算机，图像分析处理软件分析植物冠层图象三个通道图像的信息，通过反射率动态标定板将该三个通道图像信息的灰度值转换成反射率值，分离土壤背景，去除泥土、枯叶等干扰因素，提取被测植物的病害信息，诊断被测植物是否感染病害及病症出现的位置。由于不同光照条件下叶面反射率也随之不同。因此设计了反射率动态标定板，将叶面图像数据转换为叶面反射率数据，对数据进行标定。每张图片的病害识别时间为5秒左右。
可见/近红外多光谱成像仪采用美国Redlake公司的MS3100 DuncanCamera；图象采集卡采用美国National Instrument公司的PCI1424或1428数据采集卡。
本发明系统的可见/近红外多光谱成像仪可通过设置如可调节角度、高度、移动底座的三脚架，屋顶可沿设计轨迹移动的悬挂机构或安装有可调节机械伸展臂高度、角度的车辆等固定装置进行固定，分别用于室内及室外使用。同时植物和反射率动态标定板的可见/近红外多光谱的图象采集所用的光源为日光，当室内无阳光时采用人工光源。
在野外田间工作时，将可见/近红外多光谱成像仪安装在三角支架上方，如植物距离道路较近，为了方便快速测量，亦可安装在从车辆上伸出的机械臂上。成像仪镜头保证垂直地面照射，镜头距离植物冠层表面1.5～2米左右。
在温室内工作时，将可见/近红外多光谱成像仪安装在房顶可沿设计轨迹移动的悬挂机构上。成像仪同样可以固定在三角支架上，镜头垂直向下采集图象信息。
如图2所示，图像分析处理软件对采集到的被测植物冠层图象的诊断过程包括以下步骤：
1)通过反射率动态标定板在被测植物冠层图象的红、绿、近红外三个通道图象中各个象素点的灰度值及其对应的反射率值建立两者之间的线性相关关系；
2)通过建立的图象灰度值和反射率值的线性关系，将图象植物的灰度值转换成反射率值；
3)通过近红外通道的图象信息，将图象中土壤背景和植物分离；
4)剔除植物上泥土、枯叶等和病斑颜色大小相似的干扰因素；
5)确定病症所在的位置并根据病斑的大小、形状、颜色深浅等判断病害严重程度；
6)分析决策是否对拍摄植物喷药，并确定剂量、喷头形状及喷药种类。
Claims (3)
1.一种基于可见/近红外多光谱成像的植物叶片与冠层灰霉病害早期诊断系统，其特征在于包括可见/近红外多光谱成像仪、成像仪固定装置、图像采集卡、计算机、反射率动态标定板和光源，可见/近红外多光谱成像仪分别通过RS-232串口线及图象采集卡数据线与计算机连接，计算机上设有图像分析处理软件；
RS-232串行口控制可见/近红外多光谱成像仪采集被测植物的冠层图象和反射率动态标定板图象，通过图象采集卡输入计算机，图像分析处理软件分析植物冠层图象红色、绿色及近红外三个通道图像的信息，通过反射率动态标定板将该三个通道图像信息的灰度值转换成反射率值；然后分离土壤背景，去除泥土、枯叶等干扰因素，提取被测植物的病害信息，诊断被测植物是否感染病害及病症出现的位置。
2.如权利要求1所述的系统，其特征在于：所述的可见/近红外多光谱成像仪采集图象所用光源为日光，当室内无日光时采用人工光源。
3.如权利要求1所述的系统，其特征在于图像分析处理软件对采集到的被测植物冠层图象的诊断过程包括以下步骤：
1)通过反射率动态标定板在被测植物冠层图象的红、绿、近红外三个通道图象中各个象素点的灰度值及其对应的反射率值建立两者之间的线性相关关系；
2)通过建立的图象灰度值和反射率值的线性关系，将图象的灰度值转换成反射率值；
3)通过近红外通道的图象信息，将图象中土壤背景和植物分离；
4)剔除植物图像上泥土、枯叶等和病斑颜色大小相似的干扰因素；
5)确定病症所在的位置并根据病斑的大小、形状、颜色深浅等判断病害严重程度；
6)分析决策是否对拍摄植物喷药，并确定剂量、喷头形状及喷药种类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2006101548536A CN100520356C (zh) | 2006-11-24 | 2006-11-24 | 基于可见/近红外多光谱成像的灰霉病害早期诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2006101548536A CN100520356C (zh) | 2006-11-24 | 2006-11-24 | 基于可见/近红外多光谱成像的灰霉病害早期诊断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1975378A true CN1975378A (zh) | 2007-06-06 |
| CN100520356C CN100520356C (zh) | 2009-07-29 |
Family
ID=38125602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2006101548536A Expired - Fee Related CN100520356C (zh) | 2006-11-24 | 2006-11-24 | 基于可见/近红外多光谱成像的灰霉病害早期诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100520356C (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101413797B (zh) * | 2008-12-04 | 2011-06-01 | 北京师范大学 | 多光谱冠层成像方法及仪器 |
| CN102749290A (zh) * | 2012-07-02 | 2012-10-24 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
| CN102972376A (zh) * | 2012-11-15 | 2013-03-20 | 北京农业信息技术研究中心 | 生物量自动识别施药控制方法及装置 |
| CN103487380A (zh) * | 2013-09-16 | 2014-01-01 | 浙江科技学院 | 一种梨树叶片上梨锈病斑的识别方法 |
| CN103559511A (zh) * | 2013-11-20 | 2014-02-05 | 天津农学院 | 一种温室蔬菜叶部病害图像自动识别方法 |
| CN104297166A (zh) * | 2014-11-07 | 2015-01-21 | 张勤书 | 植物病害智能诊断系统及其使用方法 |
| CN105975966A (zh) * | 2016-04-21 | 2016-09-28 | 南京农业大学 | 一种稻谷霉变无损检测的方法 |
| US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
| CN108445943A (zh) * | 2018-05-30 | 2018-08-24 | 北京天创金农科技有限公司 | 温室大棚智能控制系统 |
| CN108645839A (zh) * | 2018-06-19 | 2018-10-12 | 浙江大学 | 一种桃整果软化程度的细胞快速统计评价方法 |
| CN108684282A (zh) * | 2018-04-11 | 2018-10-23 | 北京麦飞科技有限公司 | 一种农业察打一体机系统及喷洒控制方法 |
-
2006
- 2006-11-24 CN CNB2006101548536A patent/CN100520356C/zh not_active Expired - Fee Related
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101413797B (zh) * | 2008-12-04 | 2011-06-01 | 北京师范大学 | 多光谱冠层成像方法及仪器 |
| CN102749290A (zh) * | 2012-07-02 | 2012-10-24 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
| CN102972376A (zh) * | 2012-11-15 | 2013-03-20 | 北京农业信息技术研究中心 | 生物量自动识别施药控制方法及装置 |
| CN103487380B (zh) * | 2013-09-16 | 2015-08-12 | 浙江科技学院 | 一种梨树叶片上梨锈病斑的识别方法 |
| CN103487380A (zh) * | 2013-09-16 | 2014-01-01 | 浙江科技学院 | 一种梨树叶片上梨锈病斑的识别方法 |
| US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
| CN103559511A (zh) * | 2013-11-20 | 2014-02-05 | 天津农学院 | 一种温室蔬菜叶部病害图像自动识别方法 |
| CN104297166A (zh) * | 2014-11-07 | 2015-01-21 | 张勤书 | 植物病害智能诊断系统及其使用方法 |
| CN105975966A (zh) * | 2016-04-21 | 2016-09-28 | 南京农业大学 | 一种稻谷霉变无损检测的方法 |
| CN108684282A (zh) * | 2018-04-11 | 2018-10-23 | 北京麦飞科技有限公司 | 一种农业察打一体机系统及喷洒控制方法 |
| CN108684282B (zh) * | 2018-04-11 | 2023-07-07 | 北京麦飞科技有限公司 | 一种农业察打一体机系统及喷洒控制方法 |
| CN108445943A (zh) * | 2018-05-30 | 2018-08-24 | 北京天创金农科技有限公司 | 温室大棚智能控制系统 |
| CN108645839A (zh) * | 2018-06-19 | 2018-10-12 | 浙江大学 | 一种桃整果软化程度的细胞快速统计评价方法 |
| CN108645839B (zh) * | 2018-06-19 | 2019-11-22 | 浙江大学 | 一种桃整果软化程度的细胞快速统计评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100520356C (zh) | 2009-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100520356C (zh) | 基于可见/近红外多光谱成像的灰霉病害早期诊断系统 | |
| CN101210876A (zh) | 基于可见/近红外多光谱成像的水稻养分信息测量方法 | |
| CN103018180B (zh) | 一种基于多源光信息技术的棉花病害检测方法和装置 | |
| US11519856B2 (en) | Method for optically detecting biomarkers | |
| CN101936882A (zh) | 一种作物氮素和水分无损检测方法及装置 | |
| CN101059452A (zh) | 基于多光谱成像技术的水果品质无损检测方法与系统 | |
| Wspanialy et al. | Early powdery mildew detection system for application in greenhouse automation | |
| CN109827957B (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
| CN200996939Y (zh) | 一种植物叶片与冠层灰霉病害早期诊断装置 | |
| CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN101776566B (zh) | 基于数字图像的集料级配实时检测方法 | |
| CN104897583B (zh) | 一种微量血迹无损检测装置及方法 | |
| CN101074926A (zh) | 可见和近红外光谱的植物叶片或冠层灰霉病诊断方法与系统 | |
| CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
| CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
| CN104596638B (zh) | 一种高分辨率多波长激光强度分布探测器及其测量方法 | |
| CN109115719A (zh) | 一种基于高光谱成像技术的柑橘黄龙病波段融合快速检测方法 | |
| CN113570538B (zh) | 一种叶片rgb图像偏态分布参数信息采集及分析方法 | |
| CN115424006A (zh) | 应用于作物表型参数反演的多源多层次数据融合方法 | |
| CN103674835A (zh) | 富营养化水体中氮磷物质含量现场快速检测方法及装置 | |
| CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
| Bocca et al. | On field disease detection in olive tree with vision systems | |
| CN115372281A (zh) | 一种土壤物理结构和化学构成的监测系统及方法 | |
| Komi et al. | Plant classification combining colour and spectral cameras for weed control purposes | |
| TWI554979B (zh) | 雨滴偵測系統及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090729 Termination date: 20121124 |