专利名称：一种油菜冠层信息光谱检测方法
技术领域：
本发明涉及一种植物信息光谱检测方法，尤其涉及一种油菜冠层信息光谱检测方法。
背景技术：
植物叶绿素、全氮含量是植物营养的主要组成部分，是植物光合作用有关的最重要的因素，叶绿素是所有能转化为植物营养光合作用的生物体，全氮是植物必需的营养元素之一，是氨基酸、蛋白质、生物碱、核酸和叶绿素等物质的主要组成成分。它们的含量可以直接或间接地反应植物的生命体征，研究和检测这些参数在植物中的含量具有重要意义。自然界中基本上所有物体的颜色主要由400_700nm区域的光谱反射特性决定的。正常生长的植物，叶片颜色由叶绿素的光谱特性决定，叶绿素对绿光有较强反射，所以其叶片呈绿色。叶绿素是植物含氮量的重要组分，作物冠层颜色的深浅能够反应出植株体内全氮代谢水平。缺氮时不同植物在可见、近红外波段的光谱反射率均表现出不同程度的增加趋势。国内外学者对各类作物通过不同传感器及光谱数据研究表明，光谱指数可以用于估测小麦、玉米、水稻和棉花等主要作物及蔬菜的叶绿素和全氮含量。综上可见，可见光区域的反射光谱及颜色特征可以用于估测作物叶片叶绿素和全氮含量。公开号为CN1746660A的发明专利申请，公开了一种利用冠层反射光谱作物冠层 色素比值的新方法及设计的测量仪，能快速、方便地测定作物的SIPI值，准确地对作物冠层特征色素比值进行评估，对判断作物长势和指导氮肥使用有着重要作用。利用日光作光源，通过六个相同的具有特殊光谱响应特性的光电传感器，在近红外、红光和蓝光三个特征波长处，分别对日光入射光和植被的反射光进行探测，测得的信号经A/D转换后，由微控制器按SIPI值的计算公式求出SIPI值，然后根据SIPI计算得出表征作物生长状态的结果，所得结果由液晶显示器显示。测量结果可以保存在仪器中，并且可以通过RS232串口传送到PC机上进行进一步的分析。这种探测方法及仪器对日光照明条件要求较低、结构简单、重量轻、成本低、使用方便，适合于大批量生产和应用。公开号为CN101403689A的发明专利申请，公开了一种基于可见-近红外光谱的植物叶片生理指标无损检测方法，可对叶绿素、氮素、叶黄素、水分等成分含量进行快速、多参数同时检测。该发明对校正集样本进行光谱采集，在对光谱数据进行预处理和波段优选后建立光谱值与植物组分含量标准之间的校正模型；采集未知样本的光谱，对光谱数据与处理后，将选定波段数据代入校正模型对待测组分的含量进行预测。该发明技术方案采用全谱信息，被测参数可扩展性强且提高了校正模型的预测精度和模型适应性；该发明采用的透反射检测方式增加了光谱灵敏度，而且对叶片类型的适应性更强；该发明采用的一种改进的小波分析方法对叶片光谱数据同时进行噪声去除和基线校正预处理，能有效提高预测精度。现有技术中检测效果容易受到检测仪器等方面造成的系统误差。
发明内容
本发明公开了一种油菜冠层信息光谱检测方法，解决了现有技术中检测效果容易受到检测仪器等方面造成的系统误差的问题。一种油菜冠层信息光谱检测方法，包括以下步骤A、采集若干油菜叶片样本的光谱信息，获得其SPAD值；B、针对步骤A中的油菜叶片样本，检测其全氮含量；C、将步骤A中的光谱信息作为输入变量，将与所述光谱信息对应的SPAD值和全氮含量作为输出变量，建立神经网络模型；D、采集待检测油菜的光谱信息并利用所述的模型得到该待检测油菜的SPAD值和全氮含量，以确定待检测油菜生长状态。 所述SPAD值是衡量一株植物叶绿素的相对含量的一个参数，是叶绿素含量的标
O全氮含量指植物中氮素的总含量，氮是植物必须的大量元素，是蛋白质、叶绿素、核酸、酶、生物激素等重要生命物质的组成部分，同一时期不同作物需氮量不同，同一作物不同时期需氮量不同，同时，不同施氮处理对作物氮素吸收及产量的影响不同，检测全氮含量对农作物的生长和产量影响甚大。所述的步骤A和步骤D中的光谱信息为油菜冠层部分叶片的光谱信息。检测冠层信息方便仪器操作，利于仪器动态、快速地检测植物的光谱信息。若无特殊说明，以下光谱信息均泛指油菜冠层部分叶片的光谱信息。步骤A和步骤D中，向油菜叶片发射450_1200nm的探测光，采集经油菜叶片反射后的探测光，得到对应的光谱信息，在450-1200nm范围内对SPAD值和全氮含量进行检测具有敏感特性效应，这个区域的信息对油菜叶片SPAD值及全氮含量模型检测很有帮助。所述探测光在450-1200nm范围内的16路，16路探测光波长分别为450nm、480nm、550nm、640nm、680nm、720nm、780nm、820nm、860nm、880nm、940nm、960nm、1040nm、11OOnm、1150nm、1200nmo所述的神经网络模型为BP神经网络模型。本发明中先采集油菜叶片样本信息，先通过仪器测量与计算出油菜叶片样本的SPAD值和全氮含量值。对油菜叶片样本进行光谱数据扫描，并记录特征波段中每一波段的反射率，用光谱反射率(即所述的光谱信息)作为神经网络输入变量，将对应的通过仪器测量得到的SPAD值和全氮含量作为输出变量建立BP神经网络模型。BP神经网络模型建立后，为了提高其可靠性，一般需要进行训练，通过训练获得修正后的BP神经网络中的权值和阀值，计算仪器测量值与BP神经网络模型实际输出的误差。若误差不大于期望误差最小值，或已达到最大循环次数，则训练结束，否则继续。与现有技术相比，本发明的有益效果是(I)BP神经网络通过每个输入变量对输出影响的权值修改来获取它对该参数的贡献率，与输出无关的输入变量通过BP网络训练后它所对应的权值将会被降至接近为0，提高了油菜冠层信息光谱检测的准确度，利于管理人员正确地施肥和培养。(2)利用多通道光谱集于一体的信息检测模式，采用BP神经网络建模方式，可使环境因素对检测的准确性和可靠性影响降到最低，不仅不会因为光谱通道之间产生互扰，而且一些没有明显作用的光谱通道信息检测还能作为光线校正、环境影响校正的辅助通道。对提闻仪器的适应性能提闻有所帮助。
图I为本发明方法所的SPAD值与仪器测量所的SPAD值的关系图。图2为本发明方法所的全氮含量与仪器测量所的全氮含量的关系图。
具体实施例方式本发明一种油菜冠层信息光谱检测方法，用于油菜SPAD及全氮含量的测定，并借此确定植物的生长状态。模型的建立 (I)在油菜青叶期选择60个小区作为训练样本集，对该小区进行冠层光谱实验，另外选择15个小区作为预测样本集，用油菜冠层信息光谱检测仪的光谱检测探头对每个小区的油菜冠层进行冠层光谱扫描，太阳光在油菜冠层上反射出的光谱信息先通过16路光谱检测信息通道后，经过聚焦镜光通道将光束聚焦在滤波片中心处，通过滤光片将某特定波段的反射光谱信息传送到光电传感器，光电传感器经过微弱信号的放大及处理，获得每个小区油菜冠层的16个波段光谱反射值，DSP处理器将获得的16个波段光谱反射值通过接口电路在MCU的显示单元上显示。为了实施本发明方法，可以采用油菜冠层信息光谱检测仪，包括光谱探测头和用于接收和处理光谱探测头输出信号的MCU，MCU还分别连接有指令输入单元、显示单元、存储单元及无线收发单元。光谱探测头包括在光路上依次布置的光谱检测信息通道、滤光片、光电传感器，以及与光电传感器电路连接的DSP处理器，DSP处理器与MCU之间通过接口电路相连。光电传感器电路和DSP处理器之间设有用于对光电传感器的输出信号进行调理与放大的预处
理单元。(2)对每一个小区通过SPAD-502检测仪器测量每个小区冠层SPAD值30次，通过求平均值获取该小区的SPAD值，通过摘取各小区区域内的油菜叶片，通过凯氏定氮法测量
其全氮含量。其中，SPAD-502为日本MINOLTA公司生产的叶绿素计，该检测仪器通过测量植物叶片的光谱吸收特性测量植物叶绿素含量。凯氏定氮法是测定化合物或混合物中总氮量的一种方法，即在有催化剂的条件下，用浓硫酸消化样品将有机氮都转变成无机铵盐，然后在碱性条件下将铵盐转化为氨，随水蒸气馏出并为过量的酸液吸收，再以标准碱滴定，就可计算出样品中的氮量。(3)用步骤(I)中训练样本集中的16个波段光谱反射值作为输入变量，将步骤
(2)中检测仪器测量得到的SPAD值和全氮含量作为输出变量，建立BP神经网络模型。在BP神经网络中，其中输入神经元为16个，分别为450-1200nm范围内的特征波段 450nm、480nm、550nm、640nm、680nm、720nm、780nm、820nm、860nm、880nm、940nm、960nm、1040nm、I lOOnm、1150nm、1200nm的光谱反射值，将16个波段的反射值作为XpV X16 16个输入变量，检测仪器测量得到的SPAD值和全氮含量作为yi、y2 2个输出神经元，将数据经过标准化处理后，BP网络中Sigmoid参数选取O. 9，取6个隐含神经元，训练1000次，得到结果如表I的映射关系，由于篇幅限制，本实施例选取典型的15个样本列于表I。其拟合残差值为 O. 00019。其中SYl和SY2分别是实际测量值，用来和仪器模型测量计算的结果进行对比。
权利要求
1.ー种油菜冠层信息光谱检测方法，其特征在于，包括以下步骤 A、采集若干油菜叶片样本的光谱信息，获得其SPAD值； B、针对步骤A中的油菜叶片样本，检测其全氮含量； C、将步骤A中的光谱信息作为输入变量，将与所述光谱信息对应的SPAD值和全氮含量作为输出变量，建立神经网络模型； D、采集待检测油菜叶片的光谱信息并利用所述的模型得到该待检测油菜叶片的SPAD值和全氮含量，以确定待检测油菜生长状态。
2.如权利要求I所述的油菜冠层信息光谱检测方法，其特征在于，所述的步骤A和步骤D中的光谱信息为油菜冠层部分叶片的光谱信息。
3.如权利要求2所述的油菜冠层信息光谱检测方法，其特征在干，步骤A和步骤D中，向油菜叶片发射450-1200nm的探測光，采集经油菜叶片反射后的探測光，得到对应的光谱信息。
4.如权利要求3所述的油菜冠层信息光谱检测方法，其特征在于，所述探测光在450-1200nm范围内的16路。
5.如权利要求4所述的油菜冠层信息光谱检测方法，其特征在干，所述的神经网络模型为BP神经网络模型。
6.如权利要求5所述的油菜冠层信息光谱检测方法，其特征在于，所述16路探测光波长分别为 450nm、480nm、550nm、640nm、680nm、720nm、780nm、820nm、860nm、880nm、940nm、960nm、1040nm、llOOnm、1150nm、1200nm。
全文摘要
本发明公开了一种油菜冠层信息光谱检测方法，利用多通道光谱集于一体的信息检测模式，将从油菜冠层采集到的光谱信息利用预先训练完成的BP神经网络建立模型，得到SPAD值及全氮含量，经检验，模型预测性能与效果较好。本发明利用多通道光谱集于一体的信息检测模式，不仅不会因为光谱通道之间产生互扰，而且一些没有明显作用的光谱通道信息检测还能作为光线校正、环境影响校正的辅助通道，通过BP神经网络模型，提高了油菜冠层信息光谱检测的准确度，本发明的检测方法精确度高，采集样本信息方便，适应农业推广应用。
文档编号G01N21/25GK102759510SQ201210226049
公开日2012年10月31日 申请日期2012年6月29日 优先权日2012年6月29日
发明者何勇, 吴迪, 曹芳, 聂鹏程 申请人:浙江大学