基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法

摘要

本发明公开基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法，装置由镜头调换开关a（1）、镜头调换开关b（2），计算机（3），荧光仪主控单元（4），MINI镜头（5），LED光源（6），高光谱光源控制单元（7），步进电机控制器（8），可见光镜头（9），对称放置的可见灯管（10），可见光光源（11），载物台（12），移物台（13），图像采集卡（14），电动机（15），采光室（16），步进电机a（17）、步进电机b（18）组成。本发明有望大幅提高作物营养元素的预测精度，及时更早的检测氮素实际水平，必将提高栽培科学管理水平。

说明书

技术领域

本发明涉及农产品的氮素营养无损检测，具体地说是一种利用高光谱荧光图像技术来无损检测作物氮营养含量的装置及方法。

 

背景技术

氮素对作物生理代谢和生长生育有重要作用，是影响作物生长的最主要限制因子之一，作物生长期间对氮肥营养要求高，缺氮会抑制叶片的分化，使得叶片数减少，对作物的营养品质、产量也会产生不利的影响；氮肥施用过多，则容易造成地下水污染和土壤污染及退化，因此合理施用氮肥对作物的产量和品质至关重要。而精确氮肥管理是以对作物营养元素进行精确监测和检测为基础的。

长期以来，作物的氮素营养诊断都是以实验室常规测试为主，主要有形态诊断法、叶片卡片法、化学诊断法和酶学诊断法等，这些有损方法测试精度低，时效性差，影响作物生长而不利于推广应用。计算机视觉技术主要利用叶片或冠层的颜色、纹理、形态等宏观物理特性进行诊断，光谱诊断技术主要利用特征波长处的光谱反射率的变化来反演作物的营养状况，无法充分表征作物营养亏缺时丰富的特征信息，而采用点源的采样方式也使其无法对植株的各向异性进行很好的体现，因此检测结果的误差较大，从而制约了作物营养高精度无损检测方法的应用。 

纵观国内外作物营养诊断的研究现状，无论光谱检测技术还是计算机视觉技术，在进行作物营养诊断时，不少研究主要是针对缺乏营养元素症状的识别和诊断，即使是对营养水平进行定量诊断，精度也低。

计算机视觉技术识别精度低的主要原因在于：目前计算机视觉技术通常只提取400～1000nm范围内的颜色（灰度）、纹理和形态学等叶片的外在特征。而且只凭特定几个波段光谱图像精确反演作物氮素营养说服力不够，比如多光谱图像采集设备只能对R、G、B、IR四个通道进行同步采集4个波段分量，其包含的内容远不足以概括作物所发出的信息全貌。

光谱技术识别精度低的主要原因在于：光谱技术应用于作物的氮素检测取得了较为成功的研究成果，主要是利用叶绿素及内部有机组织的变化导致的光谱反射率特征的变化间接进行检测的。叶片水分与营养之间也具有交互作用，而光谱检测采用点源采样的方式，体现的是视场范围内样本区域光谱的统计平均，通过若干特征波长的光谱反射率组合反演作物氮素水平，因此，无法反映叶片内外的各向异性特点。

另外，无论是光谱还是视觉图像，其原理其实都是叶片表面反射光在各传感仪器（包括光谱仪器、成像仪器）中的量化呈现。而作物氮营养缺乏，会先引起作物内部组织生理生化的改变，特别是导致叶绿素含量下降，叶片表面形态开始发生变化，叶片表面颜色开始逐渐出现发黄，纹理也开始发生变化，这其中有个短暂时间过程。在作物缺氮初期，作物叶片形态、颜色、明度尚没有表现异常，而当作物叶片形态症状表现时，缺氮已经对作物生长、发育造成了影响。所以利用光谱技术和图像技术，在作物缺氮初期及时精确检测氮素水平难度更大。

 

发明内容

本发明的目的是解决上述存在的问题，提供一种基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法。

本发明的目的是以如下方式实现的：一种基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置，其特征在于由镜头调换开关a、镜头调换开关b，计算机，荧光仪主控单元，MINI镜头，LED光源，高光谱光源控制单元，步进电机控制器，可见光镜头，对称放置的可见灯管，可见光光源，载物台，移物台，图像采集卡，电动机，采光室，步进电机a、步进电机b组成，其中MINI镜头通过步进电机a与镜头调换开关a相连，可见光镜头通过步进电机b与镜头调换开关b相连，LED光源通过荧光仪主控单元与计算机相连，步进电机控制器通过电动机和移物台相连，可见光镜头与载物台距离为50cm，MINI镜头与载物台距离为7cm。

所述检测装置的检测方法，包括如下步骤：

1）采集荧光图像：将待测叶片暗适应20分钟后，放在载物台上，按下镜头调换开关a，MINI镜头移至载物台上方，运行计算机，此时LED光源发出微弱的测量光，测量最大光量子产量，接着每隔20s LED光源发出一次饱和脉冲光，并记录此时的荧光参数，测定荧光诱导曲线，再每隔10s LED光源发出一次光化光，光化光由低到高逐渐升高开始测定快速光响应曲线；

2）高光谱图像采集：按下镜头调换开关b，可见光镜头移至载物台上方，运行计算机，测量待测叶片高光谱图像；

3）利用检测结果分析建模并预测作物的氮素营养：首先，从高光谱图像数据中提取图像信息部分，然后分析寻找出最能反映待测叶片氮素含量的特征波长和特征波长下的高光谱图像，而后从这些特征波长下的高光谱图像中利用图像处理方法提取能反映氮素含量的特征参数，最后建立待测叶片氮素含量的模型，将采集得到的荧光参数数据分析统计出荧光参数随施氮量的变化曲线，找出待测叶片的最佳施氮量，根据荧光参数得到的最佳施氮量和高光谱得到的模型，从而判断一棵待测蔬菜的氮素含量以及是否缺乏氮素营养。

本发明的有益效果是:

本发明能及时表征作物叶片内在动力学生理活性的荧光图像信息,与能反映作物外表纹理、亮度、纹理的高光谱图像信息相互辅助、相互融合，充分利用了高光谱图像和荧光图像的优势，拓展氮素检测的有效特征空间，寻求高精度综合性氮素检测方法，有望大幅提高作物营养元素的预测精度,能及时更早的检测氮素实际水平，必将提高栽培科学管理水平，同时也为其他作物氮营养的精确管理提供了可鉴之径。

 

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中

图1是本发明的检测装置结构示意图

图2是本发明检测方法的流程图

具体实施方式：

以下实施例对本发明作进一步详细描述。

本发明基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置，由镜头调换开关a1、镜头调换开关b2，计算机3，荧光仪主控单元4，MINI镜头5，LED光源6，高光谱光源控制单元7，步进电机控制器8，可见光镜头9，对称放置的可见灯管10，可见光光源11，载物台12，移物台13，图像采集卡14，电动机15，采光室16，步进电机a17、步进电机b18组成，其中MINI镜头5通过步进电机a17与镜头调换开关a1相连，可见光镜头9通过步进电机b18与镜头调换开关b2相连，LED光源6通过荧光仪主控单元4与计算机3相连，步进电机控制器8通过电动机15和移物台13相连，可见光镜头9与载物台12距离为50cm，MINI镜头5与载物台12距离为7cm。

检测方法，包括如下步骤：1）采集荧光图像：将生菜暗适应20分钟后，放在载物台12上，按下镜头调换开关a1, MINI镜头5移至载物台12上方，运行计算机上软件ImagingWin.exe，选择窗口上部Setting选项卡,根据成像探头上的参数值，将Absorptivity 中的red gain、red intensity、NIR intensity分别设定，设置Meas. Light的intense和gain，使AOI区域的荧光值在0.1-0.2之间。此时LED光源发出微弱的测量光，点击窗口下面的F0，Fm按钮，测量最大光量子产量Fv/Fm。选择窗口上部Kinetic选项卡，单击窗口右侧的Start按钮，每隔20s LED光源发出一次饱和脉冲光，并记录此时的荧光参数，测定荧光诱导曲线。选择窗口上部Light Curve选项卡，点击Start按钮，此时每隔10s LED光源发出一次光化光，光化光由低到高逐渐升高开始测定快速光响应曲线。

2）高光谱图像采集：按下镜头调换开关b2, 可见光镜头9移至载物台12上方，运行计算机软件Spectral Image System Demo 可见光软件。设置相应参数并进行白板标定。点击move测量生菜高光谱图像。

3）利用检测结果分析建模并预测作物的氮素营养：高光谱图像采集是通过摄像头对载物台上的样本进行拍摄，经图像采集卡传入计算机，荧光图像是通过摄像头对载物台上的样本进行拍摄，经主控单元传入计算机。首先，从高光谱图像数据中提取图像信息部分；然后，采用主成分析、小波分析以及不均匀二阶差分等多种算法进行分析，寻找出最能反映生菜氮素含量的特征波长和特征波长下的高光谱图像，而后从这些特征波长下的高光谱图像中利用滤波去噪、纹理检测等图像处理方法提取能反映氮素含量的特征参数。最后采用多元逐步回归、偏最小二乘回归以及神经网络等方法建立预测生菜氮素含量的模型。将采集得到的荧光参数数据采用Excel/SPSS11.5软件进行统计分析，统计出荧光参数随施氮量的变化曲线，找出生菜的最佳施氮量，根据荧光参数得到的最佳施氮量和高光谱得到的模型，从而判断氮素含量以及是否缺乏氮素营养。