基于多光谱图像的玉米叶片含水量检测方法及装置与流程

本发明实施例涉及多光谱技术应用领域，尤其涉及一种基于多光谱图像的玉米叶片含水量检测方法及装置。

背景技术：

水是玉米正常生长发育必不可缺的元素之一，能够快速检测并获取玉米叶片水分，对田间玉米灌溉生产管理和玉米的生理需水特性研究等具有重要的意义。含水量是玉米生长状态的重要指示因子，及时准确检测并诊断出玉米含水状况，对提高农业灌溉效率、指导农业生产具有重要意义。相比于土壤含水量，叶片含水量更能直接反映玉米生长发育的实际状况，是机理研究中反映玉米水分盈亏程度的最佳指标。在相关技术中，通常是直接使用仪器实地测量叶片水分，该测量过程比较费时费力，并会造成叶片组织的损伤，仅仅适用于部分地区的验证性测量，有一定局限性。

技术实现要素：

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于多光谱图像的玉米叶片含水量检测方法及装置。

根据本发明实施例的第一方面，提供了一种基于多光谱图像的玉米叶片含水量检测方法，包括：

获取玉米叶片样本的多光谱图像，并构建玉米叶片样本的感兴趣区域；

根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率；

将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量。

本发明实施例提供的方法，通过玉米叶片的多光谱图像构建玉米叶片的含水量反演模型，并通过含水量反演模型检测玉米叶片的含水量，而不用机器实地测量叶片含水量，从而测量过程比较高效，且不会损伤叶片组织，适用性更广。与此同时，还为高效的农场管理模式提供了一种全新的解决方案和参考依据。

根据本发明实施例的第二方面，提供了一种基于多光谱图像的玉米叶片含水量检测装置，包括：

获取模块，用于获取玉米叶片样本的多光谱图像；

第一构建模块，用于构建玉米叶片样本的感兴趣区域；

第一确定模块，用于根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率；

输出模块，用于将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量。

根据本发明实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与处理器通信连接的至少一个存储器，其中：

存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于多光谱图像的玉米叶片含水量检测方法。

根据本发明的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于多光谱图像的玉米叶片含水量检测方法。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于多光谱图像的玉米叶片含水量检测方法的流程示意图；

图2为本发明实施例提供的一种基于多光谱图像的玉米叶片含水量检测装置的结构示意图；

图3为本发明实施例提供的一种电子设备的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

水是玉米正常生长发育必不可缺的元素之一，能够快速检测并获取玉米叶片水分，对田间玉米灌溉生产管理和玉米的生理需水特性研究等具有重要的意义。含水量是玉米生长状态的重要指示因子，及时准确检测并诊断出玉米含水状况，对提高农业灌溉效率、指导农业生产具有重要意义。相比于土壤含水量，叶片含水量更能直接反映玉米生长发育的实际状况，是机理研究中反映玉米水分盈亏程度的最佳指标。在相关技术中，通常是直接使用仪器实地测量叶片水分，该测量过程比较费时费力，并会造成叶片组织的损伤，仅仅适用于部分地区的验证性测量，有一定局限性。

叶片含水量是大气干燥度、土壤供水能力和玉米耐旱能力综合作用的体现，是检测玉米受胁迫和灌溉决策的重要参考。因此，通过获取玉米的叶片水分分析玉米的长势及旱涝胁迫是可行的，其对农业生产的管理和进一步发展具有重要的理论和现实意义。利用多光谱成像技术，对获取的玉米光谱信息进行分析，可得到玉米叶片水分的精确信息，并为玉米长势的实时检测及无损测量提供了有力的技术支持。多光谱成像技术是将成像技术和多光谱测量技术相结合，获取地物的空间信息及随波长分布的光谱辐射信息的技术。

由于植被特殊的光谱特征，目前利用该技术对植被水分的检测研究方向主要有两类：植被指数及植物的“红边”效应。植被指数是根据植物的光谱特性，将其特征波段的值进行组合形成的指数，可以消除部分辐射误差，更能反映出植被的生长状况。根据不同的研究目的，研究者已提出四十多种植被指数，如归一化差异植被指数(ndvi)、比值植被指数(rvi)等。而“红边”位置、形态等特征可以体现植物的生长状态。为了更好地反映“红边”特征，研究者定义了多种红边参数。如红边位置(rep)、红遍振幅(dr)、红边面积(sdr)等。由于玉米光谱特征的特殊性，以及各类指数在玉米长势检测领域的广泛应用。因此，利用多光谱成像技术对玉米叶片水分进行检测是可行的。

针对相关技术中的问题，结合上述说明，本发明实施例提供了一种基于多光谱图像的玉米叶片含水量检测方法。需要说明的是，该方法是基于多光谱图像的，该方法可以应用于玉米叶片的含水量检测。参见图1，该方法包括：101、获取玉米叶片样本的多光谱图像，并构建玉米叶片样本的感兴趣区域；102、根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率；103、将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量。

在获取多光谱图像时，可以通过多光谱相机进行拍摄得到。多光谱相机可以包含五个离散波段，本发明实施例对此不作具体限定。具体地，多光谱相机可以包含蓝(475nm)、绿(560nm)、红(668nm)、近红外(840nm)和红边(717nm)这5个离散波段。每一波段通道都有完整的成像仪窄带光学过滤器，可以获取高精度的多光谱图像。拍摄前还需要采集标准白板信息，对获取的多光谱图像进行校正。另外，拍摄过程中通过直连下行光传感器能够有效消除太阳高度角对光谱反射的影响。

需要说明的是，在使用多光谱相机进行拍摄时，可使用wifi模式直连手机端进行样本图像位置的实时预览，保证样本位置都处于五个通道传感器的正中间时。通过按下拍摄按钮可对多光谱图像进行保存，保存的图像格式可以为16位的tiff图像。另外，叶片含水量的常用指标是叶片等效水厚度，该指标可通过如下公式计算：

其中，ewt为叶片等效水厚度，m1为测量区域叶片的鲜重，m2为测量区域叶片的干重，s为测量区域的表面积。

本发明实施例提供的方法，通过玉米叶片的多光谱图像构建玉米叶片的含水量反演模型，并通过含水量反演模型检测玉米叶片的含水量，而不用机器实地测量叶片含水量，从而测量过程比较高效，且不会损伤叶片组织，适用性更广。与此同时，还为高效的农场管理模式提供了一种全新的解决方案和参考依据。

基于上述实施例的内容，作为一种可选实施例，本发明实施例不对构建玉米叶片样本的感兴趣区域的方式作具体限定，包括但不限于：获取玉米叶片样本的五个位置的叶片水厚度信息，获取五个叶片水厚度信息的平均值，并作为整个玉米叶片样本的水厚度信息；基于整个玉米叶片样本的水厚度信息，对玉米叶片样本的玉米叶片区域进行框选，得到玉米叶片样本的感兴趣区域；其中，感兴趣区域完全包络玉米叶片水厚度的五个位置。

具体地，可使用植物营养测定仪并通过五点采样法夹持住玉米叶片，从而记录五个位置的叶片水厚度信息。基于五个位置的叶片水厚度信息，可使用envi5.3软件对玉米叶片的感兴趣区域(regionofinterest，roi)的构建。需要说明的是，构建过程中考虑到传感器镜头的边缘减光现象，所选区域应尽量远离图像边缘且尽可能大的包络玉米叶片。另外，通过该软件还可以得到标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱。

基于上述实施例的内容，作为一种可选实施例，本发明实施例不对根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率的方式作具体限定，包括但不限于：根据标定反射率、第一平均反射光谱及第二平均反射光谱，计算玉米叶片样本的多光谱图像在感兴趣区域内的第一亮度值及标准白板的多光谱图像在感兴趣区域内的第二亮度值；根据标定反射率、第一亮度值及第二亮度值，计算玉米叶片样本在不同预设波段处的光谱反射率。

基于上述实施例的内容，作为一种可选实施例，本发明实施例不对根据标定反射率、第一亮度值及第二亮度值，计算玉米叶片样本在不同预设波段处的光谱反射率的方式作具体限定，包括但不限于采用如下公式计算：

其中，r叶片为玉米叶片样本在不同预设波段处的光谱反射率，r白板为标定反射率，image叶片为第一亮度值，image白板为第二亮度值。需要说明的是，由上述实施例可知，多光谱相机可同时拍摄包含蓝(475nm)、绿(560nm)、红(668nm)、近红外(840nm)和红边(717nm)等5个离散波段的图像，从而该公式计算得到的光谱反射率可分为5个波段的光谱反射率。

基于上述实施例的内容，作为一种可选实施例，含水量反演模型中输入神经元的数量与预设波段的种类与相同。

基于上述实施例的内容，作为一种可选实施例，在将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量之前，还包括：根据含水量反演模型中输入神经元的数量，确定含水量反演模型中隐含神经元的数量；根据含水量反演模型中输入神经元、隐含神经元及输出神经元的数量，构建含水量反演模型。

由上述实施例的内容可知，光谱反射率可分为5个波段的光谱反射率。相应地，含水量反演模型的输入神经元数目既为5个，即蓝、绿、红、近红外和红边等5个波段图像对应的光谱反射率；输出神经元为1个，即叶片含水量。由于在训练含水量反演模型时，训练的各样本数据均有最大值和最小值，并且单位不统一。因此，本发明实施例可采用matlab程序对输入数据进行归一化处理至同一量纲，归一化公式如下：

其中，x0为归一化后数据，x为样本值，xmin为同类型样本最小值，xmax为同类型样本最大值。通过上述归一化公式，样本值可归一化到(0.1，0.9)之间。需要说明的是，含水量反演模型可采用bp神经网络模型。与此同时，还可以引入莱文贝格-马夸特方法(levenberg-marquardt，l-m)对bp神经网络模型进行改进，以解决bp神经网络算法收敛速度较慢、网络结构最优化难以确定的问题，本发明实施例对此不作具体限定。

另外，本发明实施例在建立含水量反演模型时，可以选取s型函数和purelin线性函数作为各层之间的传递函数，选取trainlm作为训练函数，利用newff函数建立含水量反演模型。还需要说明的是，对于隐含层神经元的数量可以基于kolmogorov算法，经验公式或试凑法进行确定，以保证反演模型训练过程中迭代次数最少以及均方差最小，本发明实施例对此不作具体限定。

基于上述实施例的内容，本发明实施例提供了一种叶片含水量检测装置，该装置用于执行上述方法实施例中提供的叶片含水量检测方法。参见图2，该装置包括：获取模块201，用于获取玉米叶片样本的多光谱图像；第一构建模块202，用于构建玉米叶片样本的感兴趣区域；第一确定模块203，用于根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率；输出模块204，用于将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量。

基于上述实施例的内容，作为一种可选实施例，第一构建模块202，用于基于五点采样法，获取玉米叶片样本五个位置的叶片水厚度信息；基于五个位置的叶片水厚度信息，确定玉米叶片样本的感兴趣区域。

基于上述实施例的内容，作为一种可选实施例，第一确定模块203，包括：

第一计算单元，用于根据标定反射率、第一平均反射光谱及第二平均反射光谱，计算玉米叶片样本的多光谱图像在感兴趣区域内的第一亮度值及标准白板的多光谱图像在感兴趣区域内的第二亮度值；

第二计算单元，用于根据标定反射率、第一亮度值及第二亮度值，计算玉米叶片样本在不同预设波段处的光谱反射率。

基于上述实施例的内容，作为一种可选实施例，第二计算单元，具体通过如下公式计算光谱反射率：

其中，r叶片为玉米叶片样本在不同预设波段处的光谱反射率，r白板为标定反射率，image叶片为第一亮度值，image白板为第二亮度值。

基于上述实施例的内容，作为一种可选实施例，含水量反演模型中输入神经元的数量与预设波段的种类与相同。

基于上述实施例的内容，作为一种可选实施例，该装置还包括：

第二确定模块，用于根据含水量反演模型中输入神经元的数量，确定含水量反演模型中隐含神经元的数量；

第二构建模块，用于根据含水量反演模型中输入神经元、隐含神经元及输出神经元的数量，构建含水量反演模型。

本发明实施例提供的装置，通过玉米叶片的多光谱图像构建玉米叶片的含水量反演模型，并通过含水量反演模型检测玉米叶片的含水量，而不用机器实地测量叶片含水量，从而测量过程比较高效，且不会损伤叶片组织，适用性更广。与此同时，还为高效的农场管理模式提供了一种全新的解决方案和参考依据。

图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communicationsinterface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：获取玉米叶片样本的多光谱图像，并构建玉米叶片样本的感兴趣区域；根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率；将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取玉米叶片样本的多光谱图像，并构建玉米叶片样本的感兴趣区域；根据标准白板的标定反射率、标准白板在感兴趣区域内的第一平均反射光谱及玉米叶片样本在标准白板作为参考时玉米叶片样本在感兴趣区域内的第二平均反射光谱，确定玉米叶片样本在不同预设波段处的光谱反射率；将玉米叶片样本的多光谱图像及玉米叶片样本在不同预设波段处的光谱反射率输入至含水量反演模型，输出玉米叶片样本的含水量。

以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。