一种茶树精细化栽培生育性状实时监测系统的制作方法

本发明涉及精细农业领域，具体涉及一种茶树精细化栽培生育性状实时监测系统。

背景技术：

相关技术中的茶园管理中，为及时掌握茶叶的生长发育情况，经常根据人工经验进行可靠性不高的外观诊断；或采用基于上壤和作物的实验室分析，普遍要求破坏土壤和植被样本，且测量费时费力，过程复杂。同时，研究结果发现茶鲜叶产量跟茶树的生长时间成一定正比例关系，但与茶叶的品质成一定的反比例关系，因此产量与品质的平衡是采摘期必须考虑的问题。一般传统的方法也是根据经验人工感觉来判断新芽的成熟度及品质，这些方法属于定性或半定性，缺少充分的科学依据，而且费时费力。

技术实现要素：

为解决上述问题，本发明旨在提供一种茶树精细化栽培生育性状实时监测系统。

本发明的目的采用以下技术方案来实现：

一种茶树精细化栽培生育性状实时监测系统，包括生育特征数据采集子系统、监测中心和报告子系统，所述生育特征数据采集子系统通过无线网络连接至监测中心；所述生育特征数据采集子系统用于实时采集茶鲜叶的生育特征数据；所述监测中心根据采集的生育特征数据，分析出鲜茶叶采摘的最佳时期，并将分析结果传送至报告子系统；所述报告子系统用于将分析结果进行整理后传送至预设的移动终端。

本发明的有益效果为：实现了在线、实时、定位对鲜茶叶的生理和理化品质的较高精度微观化的监测，自动化程度高，省时省力。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图；

图2是本发明图像采集处理装置的结构连接示意图。

附图标记：

生育特征数据采集子系统1、监测中心2、报告子系统3、图像采集处理装置4、图像获取模块11、预处理模块12、融合子模块13、图像打分模块14。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的茶树精细化栽培生育性状实时监测系统，包括生育特征数据采集子系统1、监测中心2和报告子系统3，所述生育特征数据采集子系统1通过无线网络连接至监测中心2；所述生育特征数据采集子系统1用于实时采集茶鲜叶的生育特征数据；所述监测中心2根据采集的生育特征数据，分析出鲜茶叶采摘的最佳时期，并将分析结果传送至报告子系统3；所述报告子系统3用于将分析结果进行整理后传送至预设的移动终端。

优选的，所述生育特征数据包括采集当前的定位数据、茶鲜叶光谱数据、茶鲜叶的平均生长高度、茶鲜叶图像。

优选的，所述生育特征数据采集子系统1包括GPS定位装置、高光谱成像传感器、超声波传感器和图像采集处理装置。

本发明上述实施例实现了在线、实时、定位对鲜茶叶的生理和理化品质的较高精度微观化的监测，自动化程度高，省时省力。

优选的，所述图像采集处理装置4包括图像获取模块11、预处理模块12、融合模块13和图像打分模块14；所述图像获取模块11用于采集关于目标的源可见光图像和源红外图像；所述预处理模块12对聚焦不同的源可见光图像和源红外图像进行图像配准；所述融合子模块13用于融合配准后的图像；所述图像打分模块14用于评价融合后的图像，选择评价合格的图像作为最终的图像。本优选实施例设计了图像采集处理装置4的单元架构，从而实现茶鲜叶图像处理的功能。

优选的，所述图像获取模块11在采集时淘汰低质量的图像，其建立图像质量评价函数采用了主观评价和客观评价相结合的方式：

式中，g₁、g₂、g₃为各种评价因素所占比重，g₁<g₂<g₃且g₁+g₂+g₃＝1，F_i为第i次通过主观评价而给予图像的分数，Z_i为第i次通过客观评价而给予图像的分数，χ表示图像的峰值信噪比，N为进行主观评价的次数，M为进行客观评价的次数。

本优选实施例引入图像质量评价函数，能够剔除质量差的图像，提高茶鲜叶图像的后期处理效率。

优选的，所述预处理模块12包括线段特征子模块、投影变换子模块、度量子模块和遗传计算子模块；所述线段特征子模块以源红外图像作为参考图像，源可见光图像作为待配准图像，检测源可见光图像的线段特征作为配准的依据；所述投影变换子模块采用投影变换对源可见光图像中的线段特征实施变换，变换参数构成的矢量为所述度量子模块采用基于方向一致性的度量准则构建度量函数，度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性，如果满足预设要求，则返回参数若不满足要求，则转入参数更新模块；所述遗传计算子模块采用遗传算法对进行更新。

优选的，所述融合模块13包括HSV变换子模块、分量获取子模块、融合子模块、二代CurveLet逆变换子模块和HSV逆变换子模块，具体为：

所述HSV变换子模块用于对预处理后的源可见光图像进行HSV变换并提取色调分量H、饱和度分量S和明度分量V；

所述分量获取子模块用于将预处理后的源红外图像和明度分量V分别作二代CurveLet变换，以得到各自在(x,y)位置的低频分量和高频分量，在此设源红外图像对应的低频分量为L_y(x,y)、高频分量为G_y(x,y)；明度分量V对应的低频分量为L_V(x,y)，高频分量为G_V(x,y)；

所述融合子模块包括低频分量融合单元和高频分量融合单元，其中低频分量融合单元用于对所述低频分量L_y(x,y)、L_V(x,y)进行融合，高频分量融合单元用于对高频分量G_y(x,y)、G_V(x,y)进行融合；

所述二代CurveLet逆变换模块用于对融合后的低频分量L_yV(x,y)和融合后的高频分量G_yV(x,y)进行二代CurveLet逆变换，以获得新的明度分量V_Ω；

所述HSV逆变换模块，用于对H、S、V_Ω三个分量做HSV逆变换，最终得到融合图像Ω。

优选的，所述低频分量融合单元对所述低频分量L_y(x,y)、L_V(x,y)进行融合后生成的低频分量L_yV(x,y)为：

a、若L_y(x,y)＝0或L_V(x,y)＝0时：

L_yV(x,y)＝L_y(x,y)+L_V(x,y)；

b、若L_y(x,y)≠0或L_V(x,y)≠0时：

所述高频分量融合单元对高频分量G_y(x,y)、G_V(x,y)进行融合时，引入匹配测度因子：

其中，F＝1,...ψ，F表示二代Curvelet变换的分解级数，ψ为二代Curvelet变换的最大分解级；F＝1,...ψ-1时，为计算的源可见光影像的像素点信息质量均值，为源红外影像的像素点信息质量均值；F＝ψ时，为源可见光影像中高频子带与低频子带的方向对比度，为源红外影像中高频子带与低频子带的方向对比度；表示源可见光

影像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；表示源红外影像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；

若ξ_j(x,y)<T，则融合后的高频分量H_yV(x,y)的选取公式为：

若ξ(x,y)≥T，则融合后的高频分量H_yV(x,y)的选取公式为：

a、时：

b、时：

其中，T为设定的阈值。

本优选实施例引入加权因子来计算融合后的高频分量，能够较好地保留源图像中的有用信息；引入匹配测度因子来计算融合后的高频分量，充分提取了源红外图像的热目标特征信息与源可见光图像丰富的背景特征信息。

发明人采用本实施例进行了一系列测试，以下是进行测试得到的实验数据：

上述实施例结合低频分量融合单元和高频分量融合单元，对高频分量和低频分量采用不同的融合公式进行融合，更具有针对性，能够较好地描述图像中的目标特征信息，融合图像细节清晰、边缘平滑，具有更佳的融合性能和视觉效果。

优选的，所述图像打分模块14用于采用第一评估因子RO₁对融合效果进行评估，并采用采用第二评估因子RO₂对融合速度进行评估；对融合效果进行评估的评估公式为：

RO₁＝(B₁-I₀)(B₁-V₀)

其中，B₁为融合后图像的辨识率，I₀为融合前源红外图像的辨识率，V₀为融合前源可见光图像的辨识率；当RO₁>0，判定融合效果合格；

对融合速度进行评估的评估公式为：

RO₂＝(T₁-I₁)(T₁-V₁)

其中，T₁为融合后图像的辨识时间，I₁为融合前源红外图像的辨识时间，V₁为融合前源可见光图像的辨识时间；若RO₂<0，则融合速度合格。

本优选实施例能够切实提高茶鲜叶图像处理的实用性。

结合上述实施例，对茶鲜叶图像的融合效果相对提高了12％，融合速度相对提高了8％，对茶树精细化栽培生育性状的监测精度相对提高了5％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。