專利名稱：作物植株及葉片氮素含量現(xiàn)場快速檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種實時、便捷、可靠的作物植株及葉片氮素含量現(xiàn)場診斷方法及低成本現(xiàn)場檢測裝置，安裝在溫室大棚的無線測控網(wǎng)絡(luò)中。
背景技術(shù)：
作物氮素診斷的傳統(tǒng)方法基于常規(guī)室內(nèi)化學(xué)定量分析方法，檢測作物植株或葉片含氮量、葉鞘淀粉含量、莖基部硝態(tài)氮、功能葉片或葉鞘氨基氮含量以及葉片C/N等參數(shù)。 這樣的方法因其破壞性的大量采樣，導(dǎo)致費時費工、分析成本高而難以得到及時和普遍的應(yīng)用。近年來，基于地物光譜特性的多光譜及高光譜遙感技術(shù)獲得了迅猛發(fā)展，使得實時、快速、精確、大范圍、無損獲取作物生長狀況及植株生化組分成為可能，為作物氮素營養(yǎng)的無損監(jiān)測提供了新的技術(shù)手段和方法，從而為基于光譜反射特征對作物氮素狀況進(jìn)行實時監(jiān)測和快速診斷提供了理論基礎(chǔ)。至今，廣大學(xué)者圍繞作物氮素營養(yǎng)監(jiān)測的農(nóng)學(xué)和光譜學(xué)機理開展了大量研究，獲得了許多可喜的成果，但也面臨一些亟待解決的科學(xué)問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種用于監(jiān)測溫室作物植株及葉片氮素含量的低成本的現(xiàn)場快速檢測裝置，建立能準(zhǔn)確反映植物營養(yǎng)狀況的檢測模型和施肥程度的定量描述模型，為我國農(nóng)作生產(chǎn)中合理施肥提供科學(xué)依據(jù)。為了實現(xiàn)以上目的，對綠葉菜葉片的含氮量進(jìn)行了模擬研究，將光譜信號對色差的作用進(jìn)行了有效的融合。在此基礎(chǔ)上，建立了植株及葉片氮含量的樣本集，作為基準(zhǔn)圖庫；基準(zhǔn)圖庫的完整性是決定整個檢測模型準(zhǔn)確與否的關(guān)鍵所在。氮營養(yǎng)信息的基準(zhǔn)圖庫包含灰度，圖像邊緣、輪廓、表面、譜線等突出特征。最后，通過將所得到的圖(包括光譜信息圖)與基準(zhǔn)圖庫進(jìn)行比對和分析，進(jìn)而反演和模擬葉片的色差，推出含氮量。本項發(fā)明提供了利用光譜測量作物植株及葉片氮含量，給出了數(shù)據(jù)對應(yīng)關(guān)系，解決了原位測量難題。本發(fā)明的有益效果為發(fā)明利用了虛擬現(xiàn)實技術(shù)中的光處理技術(shù)，更加真實地模擬了光在人類肉眼對灰度圖及色差辨別中的關(guān)鍵作用，有力支持了作物氮素的譜圖識別技術(shù)。此外，為了更加有效地實現(xiàn)計算機對色差及特征譜線的識別，引入了互信息結(jié)合粒子群優(yōu)化算法，以應(yīng)付多重目標(biāo)和優(yōu)化約束的存在，這兩者都有重要的貢獻(xiàn)。同時，本模型將不同時期(以天為單位)，以及同一日期(以天為單位)不同時刻的光亮度變化進(jìn)行了量化， 可以在不同時刻不同光環(huán)境下(自然日照可以燈光)對作物葉色等進(jìn)行合理的識別。經(jīng)檢驗發(fā)現(xiàn)具有較高的準(zhǔn)確性和較強的預(yù)測性，從而大大增加了該模型的普適性。


圖1為本發(fā)明的組成模塊示意圖。圖2為本發(fā)明的硬件設(shè)計示意圖。
3
圖3為本發(fā)明的流程圖。
具體實施例方式以下結(jié)合附圖及實例對本發(fā)明作進(jìn)一步描述。作物植株及葉片氮素含量快速檢測裝置，其組成模塊由顯示模塊、存儲模塊、信號源及硅檢測器模塊。微處理的IO 口 P0. 10-P0. 17用來作為液晶屏的8位數(shù)據(jù)線，Pl. 20、 Pl. 21、Pl. 22、Pl. 23作為液晶屏的控制信號線；P0. 5、P0. 6、P0. 7作為三路輸入信號端，連接硅檢測器模塊，TXURXl用來與無線傳輸模塊之間進(jìn)行通信；P0. 2,P0. 3用來實現(xiàn)與存儲模塊之間進(jìn)行時鐘和串口數(shù)據(jù)的連接。首先，提取圖像特征。對于硅檢測器得到的三維圖像必須進(jìn)行平面化處理。模型采用勻速直線行程掃描算法結(jié)合邊緣搜索實現(xiàn)提取圖像特征。測量前，先對測量進(jìn)行標(biāo)定， 獲取測量系統(tǒng)對圖像長度的數(shù)值上尺寸度量。標(biāo)定方法采用映射方法，比如先用游標(biāo)卡尺測量葉片葉長，再在測量系統(tǒng)中連續(xù)采集3幀圖像，對每幀圖像利用圖像處理算法計算葉片面積在圖像中所占的像素個數(shù)，這樣就求得了 3幀圖像葉片面積的像素個數(shù)平均值。其次，光譜信息提取。為了獲得穩(wěn)定的光譜數(shù)據(jù)，減少外界因素的干擾，實驗在一個暗室中進(jìn)行。將實驗樣品放于一張A4白紙，光線探頭垂直照射到葉片表面，距離葉片表面的高度為10cm。測量時及時進(jìn)行標(biāo)準(zhǔn)白板校正，標(biāo)準(zhǔn)白板的反射擊率為1，這樣所測得的目標(biāo)物光譜是無量綱的相對反射率。采用主成分分析進(jìn)行光譜信息提取，去除光譜前端和末端噪聲比較大的區(qū)域，波長集中在410nm，687nm和715nm。。再次，將經(jīng)過預(yù)處理的葉片光譜數(shù)據(jù)和全氮值進(jìn)行偏最小二乘法分析，得到其回歸系數(shù)，在此基礎(chǔ)上，建立樣本庫，即基準(zhǔn)圖庫。接著，建立相似性度量準(zhǔn)則。這一步與選擇用于匹配的特征對象緊密相關(guān)，當(dāng)選擇灰度作為匹配的特征，采用絕對差之和作為相似性度量準(zhǔn)則；當(dāng)選擇譜線作為匹配的特征， 采用相位相關(guān)作為相似度量準(zhǔn)則；當(dāng)選擇點集匹配作為匹配的特征，采用最小距離法作為相似度量準(zhǔn)則。最后，提出了基于互信息的多源圖像和光譜匹配技術(shù)，在利用互信息準(zhǔn)則對不同傳感器得到不同分辨率圖像進(jìn)行匹配的同時，結(jié)合粒子群算法(PS0算法)這種全局優(yōu)先算法快速準(zhǔn)確地搜索到基準(zhǔn)圖庫的多閾值組合，最終推出作物的含氮量。由于基準(zhǔn)圖與實測圖的灰度差異，相似區(qū)域?qū)е驴赡艽嬖谳^好的局部匹配，以及插值計算所帶來的誤差，使得互信息方法的目標(biāo)函數(shù)容易產(chǎn)生局部極值，而且，基準(zhǔn)圖和實測圖分辨率不同使得互信息的計算結(jié)果很不穩(wěn)定，存在大量局部極值，正確匹配位置處沒有尖銳的峰值，使得搜索過程更加耗時，誤差較大。因此，采用粒子群優(yōu)化算法建立匹配搜索策略可以完成在有大量相似區(qū)域的基準(zhǔn)圖中可以快速定位。本發(fā)明裝置采用的主要技術(shù)如下1、嵌入式技術(shù)對于裝置的設(shè)計，是基于嵌入式技術(shù)進(jìn)行的，嵌入式技術(shù)的優(yōu)點是可處理大量采集信號，主控制器采用PHILIPS公司基于ARM7TDMI-S核、單電源供電、LQFP64封裝的 LPC2131，它具有RS232轉(zhuǎn)換電路，可與通訊模塊進(jìn)行方便的串口數(shù)據(jù)通訊，具有IIC接口， 可用于與存儲設(shè)備間的數(shù)據(jù)存取，具有看門狗功能，在長時間未獲得正確反饋信息的情況下，可以自動重啟，防止程序跑飛、死機的情況發(fā)生。2、現(xiàn)代近紅外光譜技術(shù)現(xiàn)代近紅外光譜分析是將光譜測量技術(shù)、計算機技術(shù)、化學(xué)計量學(xué)技術(shù)與基礎(chǔ)測試技術(shù)的有機結(jié)合。是將近紅外光譜所反映的樣品基團(tuán)、組成或物態(tài)信息與用標(biāo)準(zhǔn)或認(rèn)可的參比方法測得的組成或性質(zhì)數(shù)據(jù)采用化學(xué)計量學(xué)技術(shù)建立校正模型，然后通過對未知樣品光譜的測定和建立的校正模型來快速預(yù)測其組成或性質(zhì)的一種分析方法。與常規(guī)分析技術(shù)不同，近紅外光譜是一種間接分析技術(shù)，必須通過建立校正模型(標(biāo)定模型)來實現(xiàn)對未知樣品的定性或定量分析。具體的分析過程主要包括以下幾個步驟一是選擇有代表性的樣品并測量其近紅外光譜；二是采用標(biāo)準(zhǔn)或認(rèn)可的參考方法測定所關(guān)心的組分或性質(zhì)數(shù)據(jù)；三是將測量的光譜和基礎(chǔ)數(shù)據(jù)，用適當(dāng)?shù)幕瘜W(xué)計量方法建立校正模型；四是未知樣品組分或性質(zhì)的測定。3、圖像融合與分類技術(shù)圖像融合與分類技術(shù)是通過一個數(shù)學(xué)模型把來自不同傳感器的多幅圖像綜合成一幅滿足特定應(yīng)用需求的圖像的過程，從而可以有效地把不同圖像傳感器的優(yōu)點結(jié)合起來，提高對圖像信息分析和提取的能力。近年來，圖像融合與分類技術(shù)廣泛地應(yīng)用于自動目標(biāo)識別、計算機視覺、遙感、機器人、醫(yī)學(xué)圖像處理以及軍事應(yīng)用等領(lǐng)域。圖像融合與分類技術(shù)的主要目的是通過對多幅圖像間冗余數(shù)據(jù)的處理來提高圖像的可靠性；通過對多幅圖像間互補信息的處理來提高圖像的清晰度。根據(jù)融合處理所處的階段不同，圖像融合通?？梢詣澐譃橄袼丶墶⑻卣骷壓蜎Q策級。融合的層次不同，所采用的算法、適用的范圍也不和同。 在融合的三個級別中，像素級作為各級圖像融合的基礎(chǔ)，盡可能多地保留了場景的原始信息，提供其他融合層次所不能提供的豐富、精確、可靠的信息，有利于圖像的進(jìn)一步分析、處理與理解，進(jìn)而提供最優(yōu)的決策和識別性能。
權(quán)利要求
1.用于溫室作物植株及葉片氮素含量現(xiàn)場快速檢測裝置。裝置硬件包括微處理器、顯示模塊、存儲模塊及各器件間的電信號連接。所述的裝置硬件由基于LPC2131的控制器分別與液晶屏和外置存儲設(shè)備構(gòu)成。
2.根據(jù)權(quán)利要求1所述的溫室作物植株及葉片氮素含量快速檢測裝置，其特征在于所述微控制器采用PHILIPS公司基于ARM7TDMI-S核、單電源供電、LQFP64封裝的LPC2131，用于處理基于光譜信息的ETM數(shù)據(jù)分析；所述ETM數(shù)據(jù)分析主要包括能夠反映作物植株及葉片氮素含量的最佳色調(diào)和紋理等光譜特征的波段合成方案作為解譯的基礎(chǔ)圖像及影像分類算法；信號源采用三個高強度、單波長的發(fā)光二極管光源，采用重慶航偉光電科技有限公司的GTlOl系列硅光電檢測器組成CXD模塊；所述液晶屏采用TOPWAY公司的LM3033，可同時顯示四排共計32個漢字的顯示。
3.根據(jù)權(quán)利要求1所述的分類算法，其特征在于將光譜信號對色差的作用進(jìn)行了有效的融合，建立了一個較為完整的作物氮營養(yǎng)信息的樣本集，作為基準(zhǔn)圖庫；通過將所得到的圖(包括光譜信息圖)與基準(zhǔn)圖庫進(jìn)行比對和分析，進(jìn)而反演和模擬葉片的色差，推出含氮量，將處理后的結(jié)果連同時間點一同存儲在EEPROM中。
全文摘要
本發(fā)明涉及一種實時、便捷、可靠的作物植株及葉片氮素含量快速診斷方法及低成本現(xiàn)場檢測裝置，安裝在溫室大棚的無線測控網(wǎng)絡(luò)中，部署在溫室作物生產(chǎn)現(xiàn)場。對綠葉菜葉片的含氮量進(jìn)行了模擬研究，將光譜信號對色差的作用進(jìn)行了有效的融合。在此基礎(chǔ)上，建立了植株及葉片氮含量的樣本集，作為基準(zhǔn)圖庫；氮營養(yǎng)信息的基準(zhǔn)圖庫包含灰度，圖像邊緣、輪廓、表面、譜線等突出特征。最后，通過將所得到的圖(包括光譜信息圖)與基準(zhǔn)圖庫進(jìn)行比對和分析，進(jìn)而反演和模擬葉片的色差，推出含氮量。本發(fā)明為現(xiàn)代溫室的作物生理信息的現(xiàn)場檢測設(shè)備，高效、可靠、操作方便，用于實時分析作物養(yǎng)分狀況，科學(xué)地指導(dǎo)作物施肥管理提供了可靠的技術(shù)支持。
文檔編號G01N21/27GK102338738SQ201010228369
公開日2012年2月1日 申請日期2010年7月16日 優(yōu)先權(quán)日2010年7月16日
發(fā)明者張韓飛, 池濤, 沈曉晶, 陳明, 陳湘芳 申請人:上海海洋大學(xué)