基于光谱成像技术的植物健康状况检测方法及其装置

摘要

本发明公开了一种基于光谱成像技术的植物健康状况检测方法及其装置。其照明单元中等边三角形支架的每边均有一个蓝色LED、白色LED，同样颜色的三个LED灯形成一个等边三角形，能实现均匀的光照；光源控制器控制两种LED灯相互转换，激发植物荧光。其采集单元的多光谱相机，用于采集荧光和可见光图像。提取荧光图像中植物的颜色、纹理特征，以及可见光图像中植物的形状特征，将植物分类为健康完整、健康仅有机械损伤和不健康受胁迫三类。本发明激发植物叶片色素荧光，同时获取植物叶片不同波段的荧光和可见光图像，实现植物健康状况的检测。

说明书

技术领域

本发明涉及一种基于光谱成像技术的检测方法及其装置，特别是涉及一种 基于光谱成像技术的植物健康状况检测方法及其装置。

背景技术

植物体内能激发荧光的物质主要有多酚类以及光合色素，包括类胡萝卜素 和叶绿素(Lichtenthaler,1998)。在一个或多个波段的激发光激发下，可以得到不同 波段下的荧光光谱。

激发光源的发展由氙气灯、卤素灯到紫外灯、激光（Pereira,2008. Moshou,2005）。近年来，LED以其耗能小，寿命长等优点，成为一种新型光源 （Lawrence,2007）。并且，LED不会对植物造成灼烧伤害，目前，已有基于LED 光源的防除植物病害生长箱（专利申请公布号：CN 102014608A）。

植物对蓝光的吸收最强，因此蓝光的激发效率与其他颜色光相比较高 (Lichtenthaler,1999)。蓝光同时可以激发类胡萝卜素和叶绿素荧光，分布在绿光、 红光以及近红外波段。植物受胁迫后，荧光强度会发生改变，其颜色、纹理等 特征会发生变化。基于多光谱的荧光成像方法，可以同时对多个波段的荧光成 像，获得不同波段的荧光图像信息。通过对单一波段的荧光或不同波段的荧光 比率的分析方法（Sankaran,2012），可以检测植物营养元素缺乏以及病虫害胁迫 症状（Emilie Cadet,2011.Belasque,2008），是植物的健康状况的一种重要检测方法。

叶片的机械损伤是指：植物在生长过程中，叶片因外力作用而出现的破损、 缺失。健康的叶片也可能存在机械损伤，其健康部位的荧光强度与完整叶片相 比没有较大差异（Marcassa,2009），但其破损部位不会有荧光信息。由于植物活 体叶子内的色素荧光强度非常低，叶片受胁迫后色素失去活性，荧光信息会减 少，严重时几乎没有荧光信息。因此，仅从荧光图像区分二者，易把仅机械损 伤的健康叶片和受胁迫的叶片混淆，对植物的健康状况出现误判 （Belasque,2008）。但是在可见光波下，植物外观信息可以完整呈现，结合可见 光和荧光信息，能实现二者的区分。

目前的针对植物健康状况的检测装置，在光源的布置方面，实现均匀光照 的方法是，采取左右对称结构或在封闭环境中加入反光物质；在检测对象方面， 大多对植物内自发荧光物质如绿色荧光蛋白进行检测（Zuzana,2009），或者采用 其他装置激发出的荧光后再进行成像，缺乏光源转换控制结构，不能实现激发 和采集在同一装置中进行；在成像方法方面，多采用单色相机和滤光片转盘的 结构（Wetterich,2013），不能有效地达到对处于同一荧光强度下的植物的多波段 荧光成像；在检测方法方面，仅从荧光图像分析，难以区分叶片的破损是由机 械损伤还是病害等胁迫导致。

发明内容

本发明的目的在于提供一种基于光谱成像技术的植物健康状况检测方法 及其装置。通过等边三角形间隔光源结构，实现两种光源均匀光照和相互转换， 激发植物色素荧光，同时在多个波段荧光成像并能采集可见光图像，通过植物 的荧光信息和可见光信息，分析植物受胁迫的状况并与单纯的机械损伤区分。

为了达到上述目的，本发明采用的技术方案是：

一、一种基于光谱成像技术的植物健康状况检测方法，包括的步骤为：

（1）先利用蓝光从顶部照射活体植物，激发活体植物的类胡萝卜素荧光 和叶绿素荧光，用多光谱相机采集植物的荧光图像；

（2）再利用白光从顶部照射活体植物，用多光谱相机采集植物的可见光 图像；

（3）对植物的可见光图像和荧光图像进行图像处理，得到植物叶片部位 的灰度图；

（4）提取荧光图像中绿光、红光和近红外三个分量荧光图像，计算三个 分量荧光图像中植物叶片的颜色、纹理特征参数，判别出健康与受胁迫的植物；

（5）提取可见光图像中，植物叶片的形状参数，得到植物叶片的外部轮 廓信息，判别出完整和有机械损伤的植物。

步骤（3）所述的图像处理包括去背景、滤波增强图像和分割图像。

二、一种基于光谱成像技术的植物健康状况检测装置：

本发明包括光照箱、照明单元、成像单元和计算机；其中：

照明单元包括：三个蓝色LED和三个白色LED构成的光源，光源控制器； 等边三角形支架的每一边均有一个蓝色LED和一个白色LED，同样颜色的三 个LED灯形成一个等边三角形，三个等边三角形具有相同的中心O，六个LED 的光照平面均与水平面呈45度夹角，光源控制器通过与光源相连，光源控制 器分别用两个独立开关连接两个颜色LED灯，控制蓝色LED和白色LED的 开关；

成像单元：位于所述的光照箱内，成像单元垂直安装在采集平台的正上方， 成像单元包括多光谱相机和可调镜头；多光谱相机与计算机相连，采集平台位 于光照箱底部。

所述多光谱相机的光谱范围是400-700nm和760-1000nm。

本发明具有的有益效果是：

1）本发明利用两种光源的转换，实现了对植物色素荧光的激发和采集。

2）本发明改进了光源的结构，用三角形间隔光源结构，实现两种光源的 均匀光照。

3）本发明使用多光谱相机，与以往的单色相机加滤光片结构相比，可以 同时采集多个波段的荧光图像。

4）提供荧光图像与可见光图像，基于颜色、纹理和形状等特征参数将植 物分为三类：健康完整、健康有机械损伤和不健康受胁迫。

附图说明

图1是本发明的结构示意图。

图2是本发明等边三角形间隔光源结构示意图。

图3是本发明成像原理示意图。

图4是本发明方法流程图

图中：1、光照箱，2、光源，3、光源控制器，4、计算机，5、.多光谱相 机，6、可调镜头，7、采集平台，8、等边三角形支架，9、蓝色LED，10、白 色LED。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1、图2、图3所示，本发明包括光照箱1、照明单元、成像单元和计 算机4；其中：

照明单元包括：三个蓝色LED9和三个白色LED10构成的光源2，光源控 制器3；等边三角形支架8的每一边均有一个蓝色LED9和一个白色LED10， 同样颜色的三个LED灯形成一个等边三角形，三个等边三角形具有相同的中 心O，检测对象置于中心位置附近，光源从三个方向照射，六个LED的光照 平面均与水平面呈45度夹角，能提供均匀的光照，光源控制器用于控制两种 颜色LED的转换；光源控制器3与光源2相连，光源控制器3将220V电压转 换为36V，为六个LED灯供电，光源控制器3中有两个独立开关分别连接两 个颜色LED灯，可以控制蓝色LED9和白色LED10的开关；计算机安装有图 像采集卡和采集软件，对检测对象进行图像采集、处理和显示。

成像单元：位于所述的光照箱1内，成像单元垂直安装在采集平台7的正 上方，成像单元包括多光谱相机5和可调镜头6；多光谱相机5通过Camera Link 线与计算机4相连，采集平台7位于光照箱1底部。多光谱相机5内置分光棱 镜，可以同时对可见和近红外波段成像，且图像不重叠。镜头物距可调，相应 活体植物的不同高度而调整。

所述多光谱相机5的光谱范围是400-700nm和760-1000nm。

如图4所示，本发明的方法包括以下步骤：

（1）先确定多光谱相机5的曝光时间和增益，并进行黑白场的标定，消 除多光谱相机5的暗电流噪声；

（2）将植物放置于采集平台7上，位于光源2中等边三角形支架8的中 心位置O附近，用光源控制器3打开蓝色LED9，蓝光从顶部照射活体植物， 激发活体植物的类胡萝卜素荧光和叶绿素荧光，用多光谱相机采集植物在 400-700nm以及760-1000nm两个波段范围内的荧光图像；

（3）再用光源控制器3关闭蓝色LED9，打开白色LED10，白光从顶部 照射活体植物，用多光谱相机采集植物的可见光图像；

（4）植物的可见光图像和荧光图像，通过图像采集卡传输至计算机4，图 像分析处理软件进行图像处理，包括用单连通区域法去除土壤和杂质，采用绿 色增强法增强叶片区域，得到植物叶片部位的灰度图，以及用图像分割算法将 灰度图分割压缩至16级灰度；

（5）经过图像处理后，提取荧光图像的绿光波段（550nm±40nm）、红光 波段（650nm±40nm）和近红外（800nm±40nm）三个分量荧光图像，把三个荧 光图像的平均灰度值作为颜色特征量，按照公式1-4计算角二阶矩、熵、对比 度、相关四个纹理特征值。把健康植物叶片对应的特征值作为标准，在任意一 个分量图中，植物的任意一个特征值较健康植物有明显差别，即可判别出健康 与受胁迫的植物；

公式符号说明：

${\mu }_x={\mu }_y=\underset{i=1}{\overset{N_g}{\Sigma }}\underset{j=1}{\overset{N_g}{\Sigma }}{P}_d(i,j);$${\sigma }_x^2={(i-{\mu }_x)}^2\underset{i=1}{\overset{N_g}{\Sigma }}\underset{j=1}{\overset{N_g}{\Sigma }}{P}_d(i,j);$

${\sigma }_y^2={(j-{\mu }_y)}^2\underset{i=1}{\overset{N_g}{\Sigma }}\underset{j=1}{\overset{N_g}{\Sigma }}{P}_d(i,j);$

N为图像像素总数；g为图像灰度级；P_d(i,j)为灰度共生矩阵，i和j表示两个 像素的灰度，d表示两个像素间的空间位置关系。

（6）在可见光图像中，使用形态学方法提取植物叶片的外部轮廓线，统 计轮廓线覆盖的像素点个数得到植物叶片的外部周长和面积。把完整植物叶片 对应的周长面积比值作为标准，如果比值与完整植物的周长面积比值出现明显 差异，即可判别出完整和有机械损伤的植物。