一种植物水胁迫状况的测量方法

摘要

本发明公开了一种植物水胁迫状况的测量方法，其包括以下步骤：S1：确定待测植物的扫描范围和采样点，对所确定扫描范围构建xy平面直角坐标系；S2：通过扫描获取扫描范围内采样点的高度值dxy；S3：设定高度阈值D，结合采样点的高度值dxy，从采样点中提取出位于待测植物叶片上的采样点；S4：结合步骤S1中构建的xy坐标系及步骤S3中提取的位于植物叶片上的采样点的高度值，重构植物叶片三维空间形态，并计算出叶片平均高度h0，叶片倾斜角α0及叶面积s0；S5：根据叶片平均高度h0，叶片倾斜角α0及叶面积s0三个参数以及待测植物种类，判断当前植物亏水情况。本发明能够不破坏植物组织，直接测量植物形态特征，并且操作过程简单，操作难度系数低，测量误差小的效果。

说明书

技术领域

本发明涉及植物水胁迫状况的测量方法，尤其涉及一种应用激光斜射高度传感器测量研究植物水胁迫状况的方法。

背景技术

水分胁迫是指由于植物水分散失超过水分吸收，导致植物组织含水量下降，膨压降低，正常生理功能受到干扰。我国是人均水资源非常匮乏的农业大国，农作物遭受水分胁迫的现象普遍存在，据统计由它所引起的植物生长受阻和作物产量的减少超过了其它所有胁迫的总和。为了合理有效利用有限的水资源，大力发展节水灌溉，按需灌溉成为当前农业生产乃至整个国民经济发展的一个重要突破口。但是如何确定植物水分胁迫状况，获取植物需水信息，使灌溉充分又能不浪费水资源是制约节水灌溉技术发展的主要瓶颈之一。

目前国内外关于作物水分胁迫检测的相关研究已经取得了不少的成果，主要研究方法有植物生理特征和形态特征诊断法，但大多数生理特征诊断法破坏植物组织，不利于植物健康生长。传统检测植物形态特征的做法有机器视觉法，利用彩色摄像头对植物形态进行图像取样，并采用有限元法提取图像特征，而后应用神经网络对植物含水量与图像有限元特性间的非线性关系进行识别和鉴定，从而预测萎蔫植物的水分胁迫状况。该方法过程复杂，操作难度系数大，且并非直接提取植物形态特征，而是以图像特征识别预测植物含水量，增大了系统误差。

发明内容

(一)要解决的技术问题

基于现有技术中关于作物水分胁迫检测方法的缺陷，本发明需要提供一种新的方法来测量植物水胁迫状况，能够实现不破坏植物组织，直接测量植物形态特征，并且操作过程简单，操作难度系数低，测量误差小的效果。

(二)技术方案

由于叶片高度，叶片倾斜角和叶面积等为植物的主要形态特征，与植物体内的水分代谢情况密切相关，因此可通过检测比较植物的上述形态特征的变化来反映植物水胁迫状况。

为解决本发明所提出的技术问题，本发明的技术方案利用高精度的激光传感器测量出植物叶面各点的空间坐标值，计算植物叶片的平均高度，倾斜角度和叶面积等形态特征，比较植物形态特征的变化，确定植物水分胁迫状况。

本发明的技术方案提供一种植物水胁迫状况的测量方法，其特征在于，所述方法包括以下步骤：

S1：确定待测植物的扫描范围和采样点，对所确定扫描范围构建xy平面直角坐标系；

S2：通过扫描获取所述扫描范围内采样点的高度值d_xy；

S3：设定高度阈值D，结合采样点的高度值d_xy，从所述采样点中提取出位于待测植物叶片上的采样点；

S4：结合步骤S1中所构建的xy坐标系及步骤S3中所提取的位于植物叶片上的采样点的高度值，重构植物叶片三维空间形态，并计算出叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀；

S5：根据叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀三个参数以及待测植物种类，判断当前植物亏水情况。

其中，所述xy平面直角坐标系的原点的位置任意设置。

其中，所述步骤S1中所确定的扫描范围包括所构建xy平面直角坐标系x和y坐标轴的最大值X和Y。

其中，所述步骤S3中提取出位于待测植物叶片上的采样点的判断方法为：当d_xy≤D时，确定该采样点位于植物叶片上；当d_xy＞D时，确定该采样点不位于植物叶片上。

其中，所述步骤S3中叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀的计算方法为：

$\left(\begin{array}{c}{h}_0=\frac{\underset{x=0}{\overset{X}{\Sigma }}\underset{y=0}{\overset{Y}{\Sigma }}{d}_{\mathrm{xy}}}{(\frac{X}{l}+1)\times (\frac{Y}{l}+1)}\\ {\alpha }_0=\mathrm{arccot}\frac{d_{\max }-d_{\min }}{\sqrt{{(x_{\max }-x_{\min })}^2+{(y_{\max }-y_{\min })}^2}}\\ s_0=s_{\mathrm{xy}}/\sin {\alpha }_0\end{array}\right)$

其中，d_xy表示叶片上第x行第y列采样点的高度值，l表示扫描间距，(x_max，y_max，d_max)和(x_min，y_min，d_min)分别表示叶片上最高点和最低点的空间坐标值，s_xy表示叶片在xy平面坐标系上的投影面积。

其中，所述叶片在xy平面坐标系上的投影面积s_xy的计算方法为：

$s_{\mathrm{xy}}=(p+\frac{q}{2})\times s_{\mathrm{unit}}$

其中，p表示叶面上所有采样点构成的网格中最小正方形单元的个数，q表示网格中最小三角形单元的个数，s_unit＝l²，其表示网格中最小正方形单元的面积。

(三)有益效果

本发明通过使用激光斜射高度传感器作为测量植物形态特征的主要工具，实现植物水胁迫状况的测量，从而达到了不破坏植物组织，直接测量植物形态特征，并且操作过程简单，操作难度系数低，测量误差小的效果。

附图说明

图1是本发明测量植物水胁迫状况的方法流程图；

图2是本发明测量植物水胁迫状况的实施例中所使用的激光高度测量仪；

图3是本发明测量植物水胁迫状况的方法中植物叶片形态特征计算方法示意图。

其中，1：激光高度传感器；2：x轴直流电机；3：y轴直流电机；4：x轴导轨；5：y轴导轨；6：上位机；7：投影；8：叶片倾斜角；9：页面最低采样点；10：页面最高采样点；11：叶片上的采样点；12：最小正方形单元；13：最小三角形单元。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明所使用的测量装置为申请号为200810119231.9、发明名称为“一种测量土壤孔隙率的方法”的专利申请中的激光扫描仪，在实际测量过程中，包括以下步骤：

1：移动并调节激光扫描仪，使得x、y轴平面保持水平；

2：在待测植物上方根据其具体位置确定扫描范围，构建xy平面直角坐标系，应用激光斜射高度传感器扫描获取该范围内采样点的高度值d_xy；

3：设定高度阈值D，从所有采样点中提取位于植物叶片上的采样点；

4：结合步骤2中所构建xy坐标系及步骤3中提取植物叶片各点高度值，重构叶片三维空间形态，并计算出叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀；

5：根据已经建立好的专家知识库，以叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀三个参数为系统自动输入量，并以植物种类为手动输入量，应用专家系统判断当前植物亏水情况。

6：在植物生长不同时期内，重复上述步骤1～4，获取当前植物形态特征值h_i，α_i，s_i，并根据步骤5进行判断。

其中，在所述步骤“2：在待测植物上方根据其具体位置确定扫描范围，构建xy坐标系，应用激光斜射高度传感器扫描获取该范围内采样点的高度值d_xy”包括设计扫描范围两个坐标轴的最大值X和Y，并设定扫描间距l。然后将在这个范围内所测得的所有高度值按xy坐标系保存为d_xy。

其中，在所述步骤“3：设定高度阈值D，从所有采样点中提取仅在植物叶片上的点”中，根据实验测量情况设定高度阈值D，当d_xy＜D时，保留该值为植物叶片上的采样值，当d_xy＞D时，认为该点为非叶面上的点，可设d_xy＝0

其中，在所述步骤“4：结合步骤2中所构建xy坐标系及步骤3所提取植物叶片各点高度值，重构叶片三维空间形态，并计算出叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀”中，h₀，α₀及s₀的计算方法如下：

$\left(\begin{array}{c}{h}_0=\frac{\underset{x=0}{\overset{X}{\Sigma }}\underset{y=0}{\overset{Y}{\Sigma }}{d}_{\mathrm{xy}}}{(\frac{X}{l}+1)\times (\frac{Y}{l}+1)}\\ {\alpha }_0=\mathrm{arccot}\frac{d_{\max }-d_{\min }}{\sqrt{{(x_{\max }-x_{\min })}^2+{(y_{\max }-y_{\min })}^2}}\\ s_0=s_{\mathrm{xy}}/\sin {\alpha }_0\end{array}\right)---\left(1\right)$

其中，d_xy表示叶片上第x行第y列采样点的高度值，(x_max，y_max，d_max)和(x_min，y_min，d_min)分别表示叶片上最高点和最低点的空间坐标值，s_xy表示叶片在xy平面坐标系上的投影面积。

如图3所示，可将s₀划分为由采样点构成的网格状最小正方形单元和最小三角形单元。因采样间隔l设定，因此正方形网格单元面积s_unit＝l²，进而有投影面积计算公式：

$s_{\mathrm{xy}}=(p+\frac{q}{2})\times s_{\mathrm{unit}}---\left(2\right)$

其中，p表示网格中最小正方形单元的个数，q表示最小三角形单元的个数。

其中，在所述步骤“5：根据已经建立好的专家知识库，以叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀三个参数为系统自动输入量，并以植物种类和植物生长期为两个手动输入量，应用专家系统判断当前植物亏水情况。”中，专家知识库包括常用植物(例如黄瓜，西红柿等)的水分胁迫状态与叶片平均高度h₀，叶片倾斜角α₀及叶面积s₀之间的关系，专家系统指的是根据这些关系进行自动判断的智能系统。详见具体实施方式。

其中，在所述步骤“6：在植物生长不同时期内，重复1～4，获取当前植物形态特征值h_i，α_i，s_i并根据步骤5进行判断。”中，再次测量植物形态特征时，应确保激光高度传感器各参数(如扫描范围和采样间隔l等)与上次测量保持一致，各参数计算方法与步骤4完全一致。

在本实施例中，选取温室内生长期为15天的西红柿植株，作为水分胁迫状况检测对象，将激光高度传感器置于其上方，按照图1所示测量方法，测量过程如下：

1)根据所要扫描叶片，设定激光高度扫描仪的扫描范围X＝200mm，Y＝200mm和采样间隔l＝2mm；

2)启动扫描仪进行测量。如图2所示，激光高度传感器在x轴和y轴直流电机的驱动下平行于x轴和y轴导轨来回扫描测量，获取设定范围内采样点的原始高度值d_xy；

3)设定高度阈值D＝300mm，根据该阈值从所有采样点中提取仅在植物叶片上的采样点，通过这些采样点，近似还原显示叶片形状；

4)按照公式(1)和(2)计算植物形态特征，经计算，叶片平均高度h₀＝154.8mm，叶片倾斜角α₀＝73.9°及叶面积s₀＝865.6mm²；

5)根据专家系统进行水分胁迫判断：

①当测量次数≤1时，则只进行叶片倾斜角判断；

②当植物为西红柿，且α₀＞60°时，则确定植物不亏水以及可信度＝0.7；

③专家意见：无需灌溉。

6)2天后，重复步骤1)～4)，计算得到植物形态特征：叶片平均高度h₁＝159.7mm，叶片倾斜角α₁＝54.4°及叶面积s₁＝843.6mm²；

7)根据专家系统进行水分胁迫判断：

①党测量次数＞1，则进行叶片倾斜角判断并与相邻前一次测量结果进行比较；

②当植物为西红柿，且60°≥α₁＞45°时，则确定植物轻微亏水；

③当h₁＜h₀或者s₁＜s₀时，则可信度＝0.85；

④专家意见：需适度灌溉。

8)5天后，重复步骤1)～4)，计算得到植物形态特征：叶片平均高度h₂＝150.7mm，叶片倾斜角α₂＝39.4°及叶面积s₂＝786.6mm²；

9)根据专家系统进行水分胁迫判断：

①当测量次数＞1，则进行叶片倾斜角判断并与相邻前一次测量结果进行比较；

②当植物为西红柿，且α₂≤45°，则确定植物重度亏水；

③当h₂＜h₁且s₂＜s₁，则可信度＝0.9；

④专家意见：急需灌溉

10)依次重复以上步骤，可以及时监测植物亏水状况并及给出灌溉意见。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。