专利名称：作物植株及叶片氮素含量现场快速检测方法及装置的制作方法
技术领域：
本发明涉及一种实时、便捷、可靠的作物植株及叶片氮素含量现场诊断方法及低成本现场检测装置，安装在温室大棚的无线测控网络中。
背景技术：
作物氮素诊断的传统方法基于常规室内化学定量分析方法，检测作物植株或叶片含氮量、叶鞘淀粉含量、茎基部硝态氮、功能叶片或叶鞘氨基氮含量以及叶片C/N等参数。 这样的方法因其破坏性的大量采样，导致费时费工、分析成本高而难以得到及时和普遍的应用。近年来，基于地物光谱特性的多光谱及高光谱遥感技术获得了迅猛发展，使得实时、快速、精确、大范围、无损获取作物生长状况及植株生化组分成为可能，为作物氮素营养的无损监测提供了新的技术手段和方法，从而为基于光谱反射特征对作物氮素状况进行实时监测和快速诊断提供了理论基础。至今，广大学者围绕作物氮素营养监测的农学和光谱学机理开展了大量研究，获得了许多可喜的成果，但也面临一些亟待解决的科学问题。
发明内容
本发明的目的在于提供一种用于监测温室作物植株及叶片氮素含量的低成本的现场快速检测装置，建立能准确反映植物营养状况的检测模型和施肥程度的定量描述模型，为我国农作生产中合理施肥提供科学依据。为了实现以上目的，对绿叶菜叶片的含氮量进行了模拟研究，将光谱信号对色差的作用进行了有效的融合。在此基础上，建立了植株及叶片氮含量的样本集，作为基准图库；基准图库的完整性是决定整个检测模型准确与否的关键所在。氮营养信息的基准图库包含灰度，图像边缘、轮廓、表面、谱线等突出特征。最后，通过将所得到的图(包括光谱信息图)与基准图库进行比对和分析，进而反演和模拟叶片的色差，推出含氮量。本项发明提供了利用光谱测量作物植株及叶片氮含量，给出了数据对应关系，解决了原位测量难题。本发明的有益效果为发明利用了虚拟现实技术中的光处理技术，更加真实地模拟了光在人类肉眼对灰度图及色差辨别中的关键作用，有力支持了作物氮素的谱图识别技术。此外，为了更加有效地实现计算机对色差及特征谱线的识别，引入了互信息结合粒子群优化算法，以应付多重目标和优化约束的存在，这两者都有重要的贡献。同时，本模型将不同时期(以天为单位)，以及同一日期(以天为单位)不同时刻的光亮度变化进行了量化， 可以在不同时刻不同光环境下(自然日照可以灯光)对作物叶色等进行合理的识别。经检验发现具有较高的准确性和较强的预测性，从而大大增加了该模型的普适性。
图1为本发明的组成模块示意图。图2为本发明的硬件设计示意图。
3
图3为本发明的流程图。
具体实施例方式以下结合附图及实例对本发明作进一步描述。作物植株及叶片氮素含量快速检测装置，其组成模块由显示模块、存储模块、信号源及硅检测器模块。微处理的IO 口 P0. 10-P0. 17用来作为液晶屏的8位数据线，Pl. 20、 Pl. 21、Pl. 22、Pl. 23作为液晶屏的控制信号线；P0. 5、P0. 6、P0. 7作为三路输入信号端，连接硅检测器模块，TXURXl用来与无线传输模块之间进行通信；P0. 2,P0. 3用来实现与存储模块之间进行时钟和串口数据的连接。首先，提取图像特征。对于硅检测器得到的三维图像必须进行平面化处理。模型采用勻速直线行程扫描算法结合边缘搜索实现提取图像特征。测量前，先对测量进行标定， 获取测量系统对图像长度的数值上尺寸度量。标定方法采用映射方法，比如先用游标卡尺测量叶片叶长，再在测量系统中连续采集3帧图像，对每帧图像利用图像处理算法计算叶片面积在图像中所占的像素个数，这样就求得了 3帧图像叶片面积的像素个数平均值。其次，光谱信息提取。为了获得稳定的光谱数据，减少外界因素的干扰，实验在一个暗室中进行。将实验样品放于一张A4白纸，光线探头垂直照射到叶片表面，距离叶片表面的高度为10cm。测量时及时进行标准白板校正，标准白板的反射击率为1，这样所测得的目标物光谱是无量纲的相对反射率。采用主成分分析进行光谱信息提取，去除光谱前端和末端噪声比较大的区域，波长集中在410nm，687nm和715nm。。再次，将经过预处理的叶片光谱数据和全氮值进行偏最小二乘法分析，得到其回归系数，在此基础上，建立样本库，即基准图库。接着，建立相似性度量准则。这一步与选择用于匹配的特征对象紧密相关，当选择灰度作为匹配的特征，采用绝对差之和作为相似性度量准则；当选择谱线作为匹配的特征， 采用相位相关作为相似度量准则；当选择点集匹配作为匹配的特征，采用最小距离法作为相似度量准则。最后，提出了基于互信息的多源图像和光谱匹配技术，在利用互信息准则对不同传感器得到不同分辨率图像进行匹配的同时，结合粒子群算法(PS0算法)这种全局优先算法快速准确地搜索到基准图库的多阈值组合，最终推出作物的含氮量。由于基准图与实测图的灰度差异，相似区域导致可能存在较好的局部匹配，以及插值计算所带来的误差，使得互信息方法的目标函数容易产生局部极值，而且，基准图和实测图分辨率不同使得互信息的计算结果很不稳定，存在大量局部极值，正确匹配位置处没有尖锐的峰值，使得搜索过程更加耗时，误差较大。因此，采用粒子群优化算法建立匹配搜索策略可以完成在有大量相似区域的基准图中可以快速定位。本发明装置采用的主要技术如下1、嵌入式技术对于装置的设计，是基于嵌入式技术进行的，嵌入式技术的优点是可处理大量采集信号，主控制器采用PHILIPS公司基于ARM7TDMI-S核、单电源供电、LQFP64封装的 LPC2131，它具有RS232转换电路，可与通讯模块进行方便的串口数据通讯，具有IIC接口， 可用于与存储设备间的数据存取，具有看门狗功能，在长时间未获得正确反馈信息的情况下，可以自动重启，防止程序跑飞、死机的情况发生。2、现代近红外光谱技术现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型，然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。与常规分析技术不同，近红外光谱是一种间接分析技术，必须通过建立校正模型(标定模型)来实现对未知样品的定性或定量分析。具体的分析过程主要包括以下几个步骤一是选择有代表性的样品并测量其近红外光谱；二是采用标准或认可的参考方法测定所关心的组分或性质数据；三是将测量的光谱和基础数据，用适当的化学计量方法建立校正模型；四是未知样品组分或性质的测定。3、图像融合与分类技术图像融合与分类技术是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程，从而可以有效地把不同图像传感器的优点结合起来，提高对图像信息分析和提取的能力。近年来，图像融合与分类技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合与分类技术的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性；通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同，图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同，所采用的算法、适用的范围也不和同。 在融合的三个级别中，像素级作为各级图像融合的基础，尽可能多地保留了场景的原始信息，提供其他融合层次所不能提供的丰富、精确、可靠的信息，有利于图像的进一步分析、处理与理解，进而提供最优的决策和识别性能。
权利要求
1.用于温室作物植株及叶片氮素含量现场快速检测装置。装置硬件包括微处理器、显示模块、存储模块及各器件间的电信号连接。所述的装置硬件由基于LPC2131的控制器分别与液晶屏和外置存储设备构成。
2.根据权利要求1所述的温室作物植株及叶片氮素含量快速检测装置，其特征在于所述微控制器采用PHILIPS公司基于ARM7TDMI-S核、单电源供电、LQFP64封装的LPC2131，用于处理基于光谱信息的ETM数据分析；所述ETM数据分析主要包括能够反映作物植株及叶片氮素含量的最佳色调和纹理等光谱特征的波段合成方案作为解译的基础图像及影像分类算法；信号源采用三个高强度、单波长的发光二极管光源，采用重庆航伟光电科技有限公司的GTlOl系列硅光电检测器组成CXD模块；所述液晶屏采用TOPWAY公司的LM3033，可同时显示四排共计32个汉字的显示。
3.根据权利要求1所述的分类算法，其特征在于将光谱信号对色差的作用进行了有效的融合，建立了一个较为完整的作物氮营养信息的样本集，作为基准图库；通过将所得到的图(包括光谱信息图)与基准图库进行比对和分析，进而反演和模拟叶片的色差，推出含氮量，将处理后的结果连同时间点一同存储在EEPROM中。
全文摘要
本发明涉及一种实时、便捷、可靠的作物植株及叶片氮素含量快速诊断方法及低成本现场检测装置，安装在温室大棚的无线测控网络中，部署在温室作物生产现场。对绿叶菜叶片的含氮量进行了模拟研究，将光谱信号对色差的作用进行了有效的融合。在此基础上，建立了植株及叶片氮含量的样本集，作为基准图库；氮营养信息的基准图库包含灰度，图像边缘、轮廓、表面、谱线等突出特征。最后，通过将所得到的图(包括光谱信息图)与基准图库进行比对和分析，进而反演和模拟叶片的色差，推出含氮量。本发明为现代温室的作物生理信息的现场检测设备，高效、可靠、操作方便，用于实时分析作物养分状况，科学地指导作物施肥管理提供了可靠的技术支持。
文档编号G01N21/27GK102338738SQ201010228369
公开日2012年2月1日 申请日期2010年7月16日 优先权日2010年7月16日
发明者张韩飞, 池涛, 沈晓晶, 陈明, 陈湘芳 申请人:上海海洋大学