專利名稱：基于高光譜成像技術(shù)的茶樹營(yíng)養(yǎng)信息快速探測(cè)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于高光譜成像技術(shù)的茶樹生長(zhǎng)中主要營(yíng)養(yǎng)信息快速探測(cè)方法 及裝置。
背景技術(shù)：
茶樹是多年生植物，茶樹生長(zhǎng)需要大量的營(yíng)養(yǎng)元素，茶樹營(yíng)養(yǎng)元素是其合成各種 有機(jī)化合物的重要組成部分，參與茶樹生長(zhǎng)發(fā)育中的多種代謝過(guò)程，具有重要的生理作用。 茶樹營(yíng)養(yǎng)元素的虧缺，直接影響茶樹的生長(zhǎng)發(fā)育，還會(huì)對(duì)茶葉的品質(zhì)和產(chǎn)量產(chǎn)生不利影響。 茶樹是葉用植物，每年要進(jìn)行多次鮮葉采摘，每次采摘后茶樹都要消耗大量營(yíng)養(yǎng)元素，如 碳、氫、氧、氮、磷、鉀、鈣、鎂、錳、硼、鋅等，其中，除碳、氫、氧來(lái)自大自然的水分和空氣以外， 其它營(yíng)養(yǎng)元素都來(lái)自土壤，從而要求土壤肥力具有高消耗、高補(bǔ)充特點(diǎn)。茶樹在生長(zhǎng)過(guò)程中 很容易出現(xiàn)氮、磷、鉀比例失調(diào)，土壤障礙和缺素癥狀。因此，在茶樹生長(zhǎng)過(guò)程中，有必要對(duì) 其營(yíng)養(yǎng)信息進(jìn)行快速、精確的診斷，以便對(duì)茶園實(shí)現(xiàn)精準(zhǔn)有效地施肥，提高茶園智能化管理 水平。長(zhǎng)期以來(lái)，植物的營(yíng)養(yǎng)信息診斷都是以實(shí)驗(yàn)室常規(guī)測(cè)試為主，包括形態(tài)診斷法、葉 色卡片法、化學(xué)診斷法、肥料窗口施用診斷法和酶學(xué)診斷法等。這些傳統(tǒng)的測(cè)試手段不僅會(huì) 對(duì)作物產(chǎn)生破壞，影響作物生長(zhǎng)，而且在取樣、測(cè)定、數(shù)據(jù)分析等方面需要耗費(fèi)大量的人力、 物力，時(shí)效性差，不利于推廣應(yīng)用。近年來(lái)，一些新型的光學(xué)技術(shù)手段開始應(yīng)用于農(nóng)作物生 長(zhǎng)中營(yíng)養(yǎng)信息的快速探測(cè)。這些技術(shù)具有檢測(cè)速度快、可操作性強(qiáng)和結(jié)果重現(xiàn)性好等優(yōu)點(diǎn)。 植物營(yíng)養(yǎng)元素的缺失與否，不僅與葉片的紋理、色澤和形狀等外部特征直接相關(guān)，而且與葉 片內(nèi)部組織結(jié)構(gòu)密切相關(guān)，計(jì)算機(jī)圖像處理能很好地表征葉片的外部特征，近紅外光譜能 很好地反映葉片內(nèi)部組織結(jié)構(gòu)，目前在作物營(yíng)養(yǎng)信息快速探測(cè)上，計(jì)算機(jī)圖像處理和近紅 外光譜技術(shù)被認(rèn)為是兩種最有效的手段，但具體到農(nóng)作物營(yíng)養(yǎng)信息快速探測(cè)的應(yīng)用上，它 們都具有一定的局限性光譜技術(shù)能很好地檢測(cè)作物葉片內(nèi)部特征信息，但是不能表達(dá)作 物葉片的顏色、紋理及形狀等外部特征；計(jì)算機(jī)圖像處理雖然能表達(dá)作物葉片的外部特征， 但沒有對(duì)局部特征波段進(jìn)行細(xì)化和增強(qiáng)，因此作物光譜信息的提練不明顯；當(dāng)前大都是基 于單個(gè)的技術(shù)手段完成的，單個(gè)技術(shù)手段不足以準(zhǔn)確、全面反映作物營(yíng)養(yǎng)狀況。高光譜成像技術(shù)集光譜分析技術(shù)和圖像分析于一身，可以對(duì)茶樹鮮葉的內(nèi)外特征 進(jìn)行可視化分析，與傳統(tǒng)檢測(cè)手段相比，該技術(shù)獲得的信息量大，既含有反映茶樹葉片外部 特征的圖像信息，又含有反映茶樹葉片內(nèi)部組織結(jié)構(gòu)的光譜信息，同時(shí)考慮到葉片內(nèi)外特 征信息，這樣提高了茶樹營(yíng)養(yǎng)信息快速探測(cè)的準(zhǔn)確性。因此，本發(fā)明提供的基于濾波片式高 光譜成像技術(shù)的茶樹生長(zhǎng)中營(yíng)養(yǎng)信息無(wú)損探測(cè)方法及裝置，可以實(shí)現(xiàn)茶樹生長(zhǎng)過(guò)程中營(yíng)養(yǎng) 信息快速探測(cè)。該發(fā)明為茶園科學(xué)精確施肥提供參考，對(duì)提高茶園智能化管理水平、增加茶 葉產(chǎn)量和提高茶葉品質(zhì)都有著直接意義。

發(fā)明內(nèi)容
鑒于上述現(xiàn)有技術(shù)發(fā)展情況，本發(fā)明的目的就是要提供一種基于高光譜成像技術(shù) 的茶樹生長(zhǎng)中氮、磷、鉀主要營(yíng)養(yǎng)信息快速探測(cè)方法及裝置。通過(guò)濾波片式高光譜圖像系統(tǒng) 裝置采集茶樹葉片的高光譜數(shù)據(jù)，該數(shù)據(jù)能同時(shí)反應(yīng)葉片內(nèi)在特征的光譜信息和茶葉外觀 特征的圖像信息。原始數(shù)據(jù)經(jīng)過(guò)標(biāo)定后，提取能表征葉片內(nèi)外特征的特征圖像和光譜信息； 再?gòu)奶卣鲌D像中提取能反映鮮葉外部的顏色特征和紋理特征變量，利用主成分分析從光譜 信息中提取主成分特征變量，并將這些特征變量相互融合；最后將這些特征向量與葉片中 的N、P、K含量參考測(cè)量值(由常規(guī)方法測(cè)定)相關(guān)聯(lián)，通過(guò)非線性的方法建立葉片中N、P、 K三種營(yíng)養(yǎng)元素的預(yù)測(cè)模型。待測(cè)樣本通過(guò)相應(yīng)的數(shù)據(jù)采集和特征提取，再用已經(jīng)建立好的 模型來(lái)預(yù)測(cè)該葉片中N、P、K的含量。以便實(shí)時(shí)、準(zhǔn)確地探測(cè)茶樹生長(zhǎng)過(guò)程中的主要營(yíng)養(yǎng)信 息，為茶園精準(zhǔn)施肥提供理論依據(jù)。本發(fā)明的目的是通過(guò)以下方法實(shí)現(xiàn)的(1)建立預(yù)測(cè)模型選取茶樹葉片樣本，利用原子吸收檢測(cè)方法測(cè)量樣本葉片中 N、P、K三種主要營(yíng)養(yǎng)元素的含量，組成一個(gè)數(shù)據(jù)庫(kù)；獲取這些樣本在不同可見光和近紅外 波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計(jì)算機(jī)；計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，完成相 應(yīng)的圖像信息和光譜信息特征變量的提取，然后將這些特征變量相互融合，并與前述建立 的數(shù)據(jù)庫(kù)中測(cè)定的N、P、K含量相關(guān)聯(lián)，建立葉片中N、P、K含量的預(yù)測(cè)模型；(2)進(jìn)行樣本測(cè)試對(duì)于待測(cè)鮮葉樣本，按照步驟(1)中相同的方式獲取待測(cè)樣本 高光譜圖像數(shù)據(jù)、數(shù)據(jù)預(yù)處理、圖像信息和光譜信息特征變量的提取，然后將提取的特征變 量代入上述建立的葉片中N、P、K含量的預(yù)測(cè)模型，得出N、P、K含量預(yù)測(cè)結(jié)果，完成對(duì)待測(cè) 鮮葉樣本的實(shí)時(shí)檢測(cè)。所述的高光譜圖像數(shù)據(jù)的采集，將茶樹葉片樣本均勻地平鋪在光源箱內(nèi)的載物臺(tái) 上方，光源箱內(nèi)兩個(gè)30W的鹵素?zé)籼峁┓€(wěn)定的光照條件，鹵素?zé)舭l(fā)出的光均勻地照射在載 物臺(tái)上的茶樹葉片上，光在葉片上進(jìn)行漫反射，然后通過(guò)濾光片獲取特定波長(zhǎng)光進(jìn)入CCD 攝像頭(可見光_近紅外攝像頭)，攝像頭將采集得到的圖像數(shù)據(jù)通過(guò)采集卡傳輸?shù)接?jì)算 機(jī)。通過(guò)RS-232控制輪盤的旋轉(zhuǎn)，分別讓漫反射光通過(guò)6個(gè)不同中心波長(zhǎng)濾光片進(jìn)入CXD 攝像頭，得到6個(gè)不同波長(zhǎng)下的圖像，然后進(jìn)行疊加，形成一個(gè)三維數(shù)據(jù)塊。所述的原始數(shù)據(jù)預(yù)處理和特征信息提取，在高光譜的數(shù)據(jù)預(yù)處理上，首先通過(guò)標(biāo) 準(zhǔn)的白板對(duì)原始圖像進(jìn)行黑白校正；對(duì)三維數(shù)據(jù)塊進(jìn)行降維處理，從中提取圖像信息和光 譜信息；接著從圖像信息中提取能描述茶葉葉片的外部特征的紋理、顏色和形狀等特征變 量；從光譜信息提取能放映茶樹葉片內(nèi)部特征的主成分特征變量。所述的特征變量融合和預(yù)測(cè)模型建立，就是將提取得到光譜特征信息和圖像特征 信息進(jìn)行融合構(gòu)建聯(lián)合特征變量，再將這些特征變量與原子吸收光譜方法測(cè)量的N、P、K含 量參考測(cè)量值相關(guān)聯(lián)，通過(guò)非線性方法構(gòu)建茶樹葉片中N、P、K含量預(yù)測(cè)模型。實(shí)現(xiàn)上述方法的濾波片式高光譜成像系統(tǒng)裝置，包括可見光-近紅外攝像頭、鹵 素?zé)艄庠础⒐庠聪?、載物臺(tái)、圖像采集卡和計(jì)算機(jī)，還具有濾光片、自動(dòng)旋轉(zhuǎn)輪盤和RS-232 ； 在光源箱的正上方安裝一個(gè)可自動(dòng)旋轉(zhuǎn)的輪盤，在該輪盤上沿周向開有圓孔，圓孔中設(shè)有 來(lái)自可見光和近紅外波段的濾光片，可見光-近紅外攝像頭安裝在自動(dòng)輪盤上方，自動(dòng)輪 盤通過(guò)RS-232控制其旋轉(zhuǎn)，輪盤每旋轉(zhuǎn)一次，剛好使輪盤上的濾光片與攝像頭的鏡頭完全對(duì)準(zhǔn)；鹵素?zé)艄庠春洼d物臺(tái)設(shè)置在光源箱內(nèi)；圖像采集卡與可見光-近紅外攝像頭及計(jì)算 機(jī)相連接，將可見光_近紅外攝像頭采集到的數(shù)據(jù)傳入計(jì)算機(jī)；計(jì)算機(jī)用于存儲(chǔ)數(shù)據(jù)，對(duì)數(shù) 據(jù)進(jìn)行預(yù)處理，完成相應(yīng)的圖像信息和光譜信息特征變量提取，然后將這些特征變量相互 融合，并與數(shù)據(jù)庫(kù)中測(cè)定的N、P、K含量參考測(cè)量值相關(guān)聯(lián)，建立葉片中N、P、K含量預(yù)測(cè)模 型；實(shí)測(cè)時(shí)根據(jù)提取的待測(cè)樣本特征變量代入建立的葉片中N、P、K含量的預(yù)測(cè)模型，得出 N、P、K含量預(yù)測(cè)結(jié)果。附

圖1為濾波片式高光譜成像系統(tǒng)裝置示意圖。為了避免外界雜散光的干擾，本 發(fā)明設(shè)計(jì)了一個(gè)密閉的光源箱，在光源箱的正上方設(shè)計(jì)一個(gè)可自動(dòng)旋轉(zhuǎn)的輪盤，在該輪盤 上開有6個(gè)直徑為25cm的圓孔，有6個(gè)來(lái)自不同波段的濾光片陷入孔中。在輪盤上方安裝 一個(gè)可見光_近紅外攝像頭，自動(dòng)輪盤通過(guò)RS-232控制其旋轉(zhuǎn)，輪盤每旋轉(zhuǎn)一次，剛好使輪 盤上的濾光片與攝像頭的鏡頭完全對(duì)準(zhǔn)。本發(fā)明的有益效果是基于濾波片式高光譜成像技術(shù)的茶樹生長(zhǎng)中主要營(yíng)養(yǎng)信息快速探測(cè)方法通過(guò)采 集茶樹葉片樣本的高光譜數(shù)據(jù)，提取能表征葉片內(nèi)外特征的圖像和光譜信息；再?gòu)奶卣鲌D 像中提取顏色、紋理和形狀等特征變量，利用主成分分析從光譜信息中提取主成分特征變 量，并將這些特征變量相互融合；最后結(jié)合原子吸收光譜測(cè)量的葉片中N、P、K含量的標(biāo)準(zhǔn) 值，通過(guò)非線性多變量校正方法構(gòu)建茶樹葉片N、P、K含量預(yù)測(cè)模型。待測(cè)樣本通過(guò)相應(yīng)的 數(shù)據(jù)采集和特征提取，再用已經(jīng)建立好的模型來(lái)預(yù)測(cè)該樣本的N、P、K含量。本發(fā)明與常規(guī)原子吸收光譜分析方法相比，檢測(cè)速度快、操作簡(jiǎn)便方便；與單一的 近紅外光譜或計(jì)算機(jī)視覺技術(shù)手段相比，得到的信息更全面，檢測(cè)結(jié)果的精確性和穩(wěn)定性 都有所提高。本發(fā)明提供的基于濾波片式高光譜成像技術(shù)的茶樹生長(zhǎng)中營(yíng)養(yǎng)信息快速探測(cè) 方法及裝置，可以實(shí)現(xiàn)茶樹生長(zhǎng)過(guò)程中營(yíng)養(yǎng)信息快速探測(cè)。該發(fā)明為茶園科學(xué)精確施肥提 供參考，對(duì)提高茶園智能化管理水平、增加茶葉產(chǎn)量和提高茶葉品質(zhì)都有著直接意義。附件說(shuō)明圖1 本發(fā)明裝置系統(tǒng)示意圖。其中1、可見光-近紅外攝像頭；2、濾光片；3、自動(dòng)旋轉(zhuǎn)輪盤；4、鹵素?zé)艄庠矗?、 光源箱；6、茶樹葉片；7、載物臺(tái)；8、RS-232 ；9、圖像采集卡；10、計(jì)算機(jī)圖2 本發(fā)明的方法流程圖。具體實(shí)施方法本發(fā)明實(shí)例實(shí)現(xiàn)步驟參照?qǐng)D2，實(shí)例實(shí)現(xiàn)裝置參閱圖1。先選取一批茶樹鮮葉樣本 (一般大于100個(gè)樣本)用來(lái)進(jìn)行模型校正，利用濾波片式高光譜成像裝置(如圖1)對(duì)鮮 葉樣本進(jìn)行高光譜數(shù)據(jù)采集；數(shù)據(jù)采集完成以后，通過(guò)原子吸收光譜測(cè)定其內(nèi)部N、P、K含 量，作為該樣本中N、P、K含量的標(biāo)準(zhǔn)值；再對(duì)原始高光譜數(shù)據(jù)降維，提取能反映葉片內(nèi)外特 征的圖像信息和光譜信息；接著，從特征圖像中提取顏色、紋理和形狀等特征變量，從光譜 信息中提取主成分特征變量；最后，將這些特征變量相互融合，結(jié)合茶樹葉片中N、P、K含量 的標(biāo)準(zhǔn)值，通過(guò)非線性多變量校正方法構(gòu)建茶樹葉片中N、P、K含量預(yù)測(cè)模型。接下來(lái)就可以對(duì)未知葉片樣本進(jìn)行快速預(yù)測(cè)。將待測(cè)葉片樣本均勻地平鋪在光源 箱5內(nèi)的載物臺(tái)7上進(jìn)行原始數(shù)據(jù)采集；工作時(shí)，鹵素?zé)艄庠?發(fā)出的光均勻地照射在葉 片樣本上，光在葉片上進(jìn)行漫反射，然后通過(guò)濾光片獲取特定波長(zhǎng)光進(jìn)入可見光_近紅外攝像頭1 ；通過(guò)RS-2328控制自動(dòng)旋轉(zhuǎn)輪盤3的旋轉(zhuǎn)，自動(dòng)旋轉(zhuǎn)輪盤3每旋轉(zhuǎn)一次，剛好使 輪盤3上的濾光片2與攝像頭1的鏡頭完全對(duì)準(zhǔn)；每采集一個(gè)樣本，輪盤3旋轉(zhuǎn)6次，分別 讓光通過(guò)6個(gè)不同中心波長(zhǎng)濾光片2進(jìn)入攝像頭1，得到6個(gè)不同波長(zhǎng)下的圖像，然后進(jìn)行 疊加形成一個(gè)三維的數(shù)據(jù)塊；攝像頭1將采集得到的圖像數(shù)據(jù)通過(guò)采集卡9傳輸?shù)接?jì)算機(jī) 10。在計(jì)算機(jī)內(nèi)完成高光譜圖像原始數(shù)據(jù)的預(yù)處理、特征變量的提取和信息融合，將這些特 征變量代入預(yù)先建立好的預(yù)測(cè)模型中就可以快速預(yù)測(cè)待測(cè)葉片中N、P、K的含量，并且在計(jì) 算機(jī)界面上顯示。至此該未知葉片的N、P、K含量測(cè)量結(jié)束。
權(quán)利要求
一種基于高光譜成像技術(shù)的茶樹營(yíng)養(yǎng)信息快速探測(cè)方法，其特征在于(1)建立預(yù)測(cè)模型選取茶樹葉片樣本，先測(cè)量樣本葉片中N、P、K三種主要營(yíng)養(yǎng)元素的含量，作為參考測(cè)量結(jié)果組成一個(gè)數(shù)據(jù)庫(kù)；通過(guò)基于濾波片式高光譜成像系統(tǒng)獲取茶樹葉片樣本在不同可見光和近紅外波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計(jì)算機(jī)；計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，完成相應(yīng)的特征提取，然后將這些特征變量與前述建立的數(shù)據(jù)庫(kù)中測(cè)定的N、P、K含量相關(guān)聯(lián)，建立葉片中N、P、K含量的預(yù)測(cè)模型；(2)進(jìn)行樣本測(cè)試對(duì)于待測(cè)鮮葉樣本，按照步驟(1)中相同的方式獲取待測(cè)樣本高光譜圖像數(shù)據(jù)、數(shù)據(jù)預(yù)處理、特征提取，然后將提取的特征變量代入上述建立的N、P、K含量預(yù)測(cè)模型，得出N、P、K含量預(yù)測(cè)結(jié)果，完成對(duì)待測(cè)鮮葉樣本的實(shí)時(shí)檢測(cè)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所說(shuō)的高光譜圖像數(shù)據(jù)的采集的具體操 作是將茶樹葉片樣本均勻地平鋪在光源箱內(nèi)的載物臺(tái)上方，光源箱內(nèi)鹵素?zé)籼峁┓€(wěn)定的 光照條件，鹵素?zé)舭l(fā)出的光均勻地照射在載物臺(tái)上的茶樹葉片上，光在葉片上進(jìn)行漫反射， 漫反射出來(lái)的光通過(guò)濾光片獲取特定波長(zhǎng)光進(jìn)入可見光_近紅外攝像頭，攝像頭將采集得 到的圖像數(shù)據(jù)通過(guò)采集卡傳輸?shù)接?jì)算機(jī)；然后，通過(guò)輪盤的旋轉(zhuǎn)，分別讓漫反射光通過(guò)不同 波長(zhǎng)濾光片進(jìn)入可見光-近紅外攝像頭，得到不同波長(zhǎng)下的圖像，然后進(jìn)行疊加，形成一個(gè) 三維數(shù)據(jù)塊。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述的原始數(shù)據(jù)預(yù)處理和特征信息提取， 是先通過(guò)標(biāo)準(zhǔn)的白板對(duì)原始圖像進(jìn)行黑白校正；對(duì)三維數(shù)據(jù)塊進(jìn)行降維處理，從中提取圖 像信息和光譜信息；接著從圖像信息中提取能描述茶葉葉片的外部特征的紋理、顏色和形 狀等特征變量；從光譜信息提取能放映茶樹葉片內(nèi)部特征的主成分特征變量。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述的特征變量融合和預(yù)測(cè)模型建立，就 是將提取得到光譜特征信息和圖像特征信息進(jìn)行融合構(gòu)建聯(lián)合特征變量，再將這些特征變 量與測(cè)量的N、P、K含量值相關(guān)聯(lián)，通過(guò)非線性多變量校正方法構(gòu)建N、P、K含量預(yù)測(cè)模型。
5.一種實(shí)現(xiàn)茶樹營(yíng)養(yǎng)信息快速探測(cè)方法的濾波片式高光譜成像系統(tǒng)，包括可見光_近 紅外攝像頭、鹵素?zé)艄庠础⒐庠聪?、載物臺(tái)、圖像采集卡和計(jì)算機(jī)，其特征在于還具有濾光片、自動(dòng)旋轉(zhuǎn)輪盤和RS-232 ；在光源箱的正上方設(shè)有一個(gè)可自動(dòng)旋轉(zhuǎn)的 輪盤，在該輪盤上沿周向開有圓孔，圓孔中設(shè)有不同可見光和近紅外波段的濾光片，可見 光_近紅外攝像頭安裝在自動(dòng)輪盤上方，自動(dòng)輪盤通過(guò)RS-232控制其旋轉(zhuǎn)，輪盤每旋轉(zhuǎn)一 次，剛好使輪盤上的濾光片與攝像頭的鏡頭完全對(duì)準(zhǔn)；鹵素?zé)艄庠春洼d物臺(tái)設(shè)置在光源箱 內(nèi)；圖像采集卡與可見光_近紅外攝像頭及計(jì)算機(jī)相連接，將可見光_近紅外攝像頭采集到 的數(shù)據(jù)傳入計(jì)算機(jī)；計(jì)算機(jī)用于存儲(chǔ)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，完成相應(yīng)的圖像信息和光譜 信息特征變量的提取，然后將這些特征變量相互融合，并與數(shù)據(jù)庫(kù)中測(cè)定的N、P、K含量相 關(guān)聯(lián)，建立葉片中N、P、K含量的預(yù)測(cè)模型；實(shí)測(cè)時(shí)根據(jù)提取的待測(cè)樣本特征變量代入建立 的葉片中N、P、K含量的預(yù)測(cè)模型，得出N、P、K含量預(yù)測(cè)結(jié)果。
全文摘要
本發(fā)明涉及一種基于高光譜成像技術(shù)的茶樹生長(zhǎng)中主要營(yíng)養(yǎng)信息快速探測(cè)方法及裝置。該方法是先實(shí)測(cè)樣本葉片中N、P、K三種主要營(yíng)養(yǎng)元素的含量，作為參考測(cè)量結(jié)果組成一個(gè)數(shù)據(jù)庫(kù)；然后獲取茶樹葉片樣本在不同可見光和近紅外波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計(jì)算機(jī)；對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，完成相應(yīng)的特征提取，然后將這些特征變量與前述建立的數(shù)據(jù)庫(kù)中測(cè)定的N、P、K含量相關(guān)聯(lián)，建立葉片中N、P、K含量的預(yù)測(cè)模型；之后再將待測(cè)樣本通過(guò)相應(yīng)的數(shù)據(jù)采集和特征提取，再用已經(jīng)建立好的模型來(lái)預(yù)測(cè)該葉片中N、P、K的含量。本發(fā)明具有檢測(cè)速度快、操作簡(jiǎn)便方便、信息更全面的優(yōu)點(diǎn)，檢測(cè)結(jié)果的精確性和穩(wěn)定性都有所提高。
文檔編號(hào)G06K9/46GK101915738SQ20101020885
公開日2010年12月15日 申請(qǐng)日期2010年6月23日 優(yōu)先權(quán)日2010年6月23日
發(fā)明者林顥, 歐陽(yáng)琴, 江輝, 蔡健榮, 趙杰文, 陳全勝 申請(qǐng)人:江蘇大學(xué)