[發(fā)明專利]一種盆栽生菜的綜合長勢監(jiān)測方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201711309708.5
• 申請(qǐng)日: 2017-12-11
• 公開（公告）號(hào): CN108376419B
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 張曉東;張雪威;毛罕平;高洪燕;左志宇;張紅濤;張怡雪;張放;孫宏偉
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): G06T17/00
• 分類號(hào): G06T17/00;G06T7/62;G06T7/194;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種盆栽生菜的綜合長勢監(jiān)測方法，其特征在于，包括以下步驟：

步驟1、首先進(jìn)行樣本培育：對(duì)生菜進(jìn)行水分脅迫培養(yǎng)、氮素水分脅迫培養(yǎng)，

步驟2、整株生菜的形態(tài)數(shù)據(jù)的采集：

2.1采用手持式自定位三維激光掃描儀采集三維激光掃描成像數(shù)據(jù)：

①進(jìn)行掃描前，首先在所要掃描的作物葉片和花盆上方粘貼直徑為6mm的黑色輪廓高反射目標(biāo)點(diǎn)，兩目標(biāo)點(diǎn)之間的最短距離控制在15mm；

②運(yùn)行掃描儀，用三維激光掃描儀測量校準(zhǔn)板糾正傳感器參數(shù)，通過手持掃描的方式，依次獲取所有作物樣本的三維數(shù)據(jù)；

2.2采用偏振-高光譜成像系統(tǒng)采集偏振-高光譜成像數(shù)據(jù)：

①將樣本(1)置于偏振-高光譜成像系統(tǒng)的位移臺(tái)(2)上，設(shè)置勻光光源系統(tǒng)(7)的波長范圍為300-2200nm，設(shè)置光強(qiáng)范圍為6500lux，調(diào)整成像系統(tǒng)的幾何中心與位移臺(tái)水平和垂直軸線XZ軸幾何中心一致；

②利用具有前置偏振濾光片組的兩臺(tái)高光譜成像系統(tǒng)(5-1)和(5-2)，偏振片的采樣偏振角分別為：0°、45°、90°、135°、180°；高光譜前置濾光片透過波長為402、446、556、636、699、706、775、960、1420nm，分別在水平方向和垂直方向上，進(jìn)行推帚式的偏振-高光譜掃描成像，獲取主視和俯視方向的偏振-高光譜特征圖像；

③通過坐標(biāo)匹配和主視/俯視特征圖像融合，提取營養(yǎng)和水分脅迫樣本的主視和俯視視場下的高光譜特征圖像，并提取植株冠幅、株高、葉傾角圖像；

④基于前置402、446、556、636、699、706和775、960、1420nm濾光片，提取特征波長下的冠層高光譜特征圖像，提取葉面的402、446、556、636、699、706、775、960、1420nm高光譜營養(yǎng)水分敏感波長下的葉脈分布，平均灰度、葉緣陰影面積特征參數(shù)；

⑤基于獲取的0°、45°、90°、135°、180°特征偏振角的402、446、556、636、699、706、775、960、1420nm的偏振高光譜圖像，提取氮素和水分脅迫植株樣本的偏振態(tài)、斯托克向量、穆勒矩陣變量；

步驟3、數(shù)據(jù)處理和分析：

3.1三維激光掃描成像數(shù)據(jù)建模：

(1)采用Geomagic qualify逆向工程軟件對(duì)模型進(jìn)行修復(fù)，以克服掃描缺陷，得到理想的生菜模型；

①將獲取的生菜三維數(shù)據(jù)導(dǎo)入Geomagic qualify軟件中，將由三角形組成的生菜模型轉(zhuǎn)化為點(diǎn)云，并通過軟件剔除多余的噪聲點(diǎn)；

②利用封裝將三維點(diǎn)云轉(zhuǎn)化為由三角形組成的曲面模型，進(jìn)而對(duì)生菜表面存在漏洞的部分進(jìn)行填補(bǔ)；

③最后對(duì)生菜模型進(jìn)行平滑處理；

(2)生菜的生物量、葉面積、株高和莖粗建模：

體積計(jì)算：

①將生菜數(shù)據(jù)沿株高方向，即Z軸方向，以a為步長進(jìn)行等距離分割，得到n層生菜分段，其中，步長a遠(yuǎn)小于生菜葉片厚度，當(dāng)a趨向于無窮小，n趨向于無窮大，生菜體積可以認(rèn)為是由n層底面積為S_k，高為a的不規(guī)則圖形構(gòu)成；

②計(jì)算每一層分段生菜的橫截面積S_k：將每一層生菜的點(diǎn)云數(shù)據(jù)投影到垂直于株高方向的X-Y平面上，同時(shí)分別沿X、Y軸方向以a為步長進(jìn)行等距離分割，生成i×j個(gè)像素單元格；根據(jù)每一段生菜投影到每個(gè)像素單元格內(nèi)的點(diǎn)云數(shù)據(jù)對(duì)像素格進(jìn)行逐一判斷，當(dāng)像素格內(nèi)包含生菜投影的點(diǎn)云時(shí)為有效像素格，記為1，反之，像素格內(nèi)不包含點(diǎn)云數(shù)據(jù)時(shí)，則記為0；統(tǒng)計(jì)有效像素格的數(shù)目M，并計(jì)算有效像素格的個(gè)數(shù)與單位像素格面積的乘積即為這一層生菜的橫截面面積，生菜的體積計(jì)算公式為：

S_k＝aaM (1)

式中：V為生菜的體積，S_k為生菜的橫截面面積，a為步長，M為有效像素格；

基于獲取的生菜體積和所獲取的生菜鮮重的實(shí)測值，建立基于三維掃描數(shù)據(jù)的生物量檢測模型：

B_m＝0.13+0.91V (3)

式中：B_m為生菜的生物量；

葉面積計(jì)算

對(duì)點(diǎn)云數(shù)據(jù)插值形成不規(guī)則的三角網(wǎng)格，計(jì)算每個(gè)三角形的面積S_i，并對(duì)其求和，即可計(jì)算出葉面積S_c，生菜葉面積的計(jì)算公式為：

株高計(jì)算

設(shè)點(diǎn)云數(shù)據(jù)任意點(diǎn)的坐標(biāo)為f(x,y,z)，只需求出Z軸方向上生菜模型的最大值z_max和最小值z_min，記最大值z_max的坐標(biāo)點(diǎn)為f(x₁,y₁,z₁)，最小值z_min的坐標(biāo)點(diǎn)為f(x₂,y₂,z₂)，利用下式計(jì)算兩者的距離即可得到株高P_h：

P_h＝z_max-z_min＝z₁-z₂ (5)

莖粗計(jì)算

從定植盆的底部開始，沿著株高方向每隔3.3mm截取生菜莖部截面，截取3段橫截面，計(jì)算每個(gè)橫截面的直徑，求其平均值計(jì)算生菜的莖粗；

生菜莖部橫截面圖像由一層近似于圓的點(diǎn)云組成，在X-Y平面內(nèi)求出沿X軸方向的最大值x_max、最小值x_min，沿Y軸方向的最大值y_max、y_min，即可計(jì)算此橫截面的直徑，生菜莖粗的計(jì)算公式為：

式中：L_a--生菜的莖粗，x_imax和x_imin--第i層橫截面圖像上沿X軸方向的最大值和最小值，i＝1,2,3；y_imax和y_imin--第i層橫截面圖像上沿Y軸方向的最大值和最小值；

利用生菜樣本建立生菜氮素的檢測模型：

N＝13.26-0.24L_a+0.15P_h+7.1×10^-6S_c+0.03B_m (7)

模型的相關(guān)系數(shù)為0.90，均方根誤差為0.87；

3.2偏振-高光譜像數(shù)據(jù)建模：

(1)偏振高光譜圖像背景分割

①首先利用476nm處目標(biāo)圖像和背景的灰度差異最大的特征，以此利用雙峰法進(jìn)行生菜目標(biāo)圖像的分割；

②將二值化處理以后的目標(biāo)圖像進(jìn)行灰度反轉(zhuǎn)，并填補(bǔ)殘留，去除孤立噪點(diǎn)；

③將原始高光譜圖像與處理后的二值化目標(biāo)圖像進(jìn)行像點(diǎn)相乘運(yùn)算，最終得到生菜葉片的高光譜序列目標(biāo)圖像；

(2)偏振-高光譜特征波長提取

①采用敏感區(qū)間分段逐步回歸法進(jìn)行氮素特征的篩選，利用自適應(yīng)波段選擇法ABS對(duì)逐步回歸選擇的變量下的圖像進(jìn)行指數(shù)獲取；

②根據(jù)自適應(yīng)波段選擇法得出指數(shù)列表，并按照指數(shù)大小進(jìn)行排列，最終選擇圖像指數(shù)大的波長為氮素特征波長，分別為：402、446、556、636、699、706nm；

③利用自適應(yīng)波段選擇法提取最能表征水分的特征波長，將特征波長775、960、1420nm下的灰度均值用于生菜的水分特征；

④獲取營養(yǎng)和水分敏感波長下的葉脈分布、平均灰度、葉緣陰影面積和0°、45°、90°、135°、180°特征偏振角下402、446、556、636、699、706、775、960、1420nm特征圖像的偏振態(tài)、stock向量、穆勒矩陣變量；

步驟4、水分補(bǔ)償因子對(duì)模型進(jìn)行修正

利用特征波長775、960、1420nm下的灰度均值表征生菜的水分特征，在對(duì)不同特征譜段的作物氮素圖像進(jìn)行含水率特征分析的基礎(chǔ)上，通過建立生菜葉片在不同特征譜段的含水率響應(yīng)模型，對(duì)生菜氮素特征進(jìn)行補(bǔ)償；其具體過程為：

①將樣本含水率特征圖像的灰度變量與含水率實(shí)測值進(jìn)行偏最小二乘PLSR回歸建立生菜含水率預(yù)測模型：

W＝65.09+43.82AG₇₇₅+12.65AG₉₆₀-117.72AG₁₄₂₀ (8)

式中：AG₇₇₅、AG₉₆₀、AG₁₄₂₀表示775、960、1420nm敏感波長下的生菜葉片圖像灰度均值；W為葉片含水率實(shí)測值；

②根據(jù)檢測模型預(yù)測樣本的含水率水平，基于不同含水率水平的反射響應(yīng)的差異進(jìn)行氮素特征的分級(jí)補(bǔ)償，在預(yù)估含水率水平的情況下，結(jié)合AA3化學(xué)檢測所獲得的樣本全氮含量和氮素光譜特征波長處的反射率值，可求得相同含氮量水平下的樣本的氮素高光譜圖像特征變量AG_i隨含水率水平的變化率△W_i，其中i＝1,2…6，據(jù)此可求得特征變量AG_i在不同含水率水平下的修正系數(shù)△AG_i，并按式(9)對(duì)氮素高光譜圖像特征變量AG_i進(jìn)行修正：

AG'_i＝AG_i*(1+ΔAG_i) i＝1,2,…,6 (9)

③基于獲取的不同譜段的生菜氮素的高光譜圖像特征，通過特征補(bǔ)償，并采用PLS法建立氮素檢測模型：

N＝23.39+6.14AG₄₀₂+25.66AG₄₄₆-31.52AG₅₅₆+66.85AG₆₃₆+45.65AG₆₉₉-56.76AG₇₀₆ (10)

AG₄₀₂、AG₄₄₆、AG₅₅₆、AG₆₃₆、AG₆₉₉、AG₇₀₆分別為表示402、446、556、636、699、706nm敏感波長下的生菜葉片圖像灰度均值；

步驟5、多特征融合模型建立

基于獲取的偏振高光譜圖像特征以及莖粗、株高、葉面積和生物量長勢特征，利用偏最小二乘回歸PLSR進(jìn)行信息融合，建立生菜氮素的多特征檢測模型；

①首先利用式(11)對(duì)兩類不同的特征變量分別進(jìn)行歸一化處理：

x'_i＝(x_i-x_min)/(x_max-x_min) (11)

式中：x--特征向量特征值；i--特征序號(hào)，i＝1,2,3…；x_min,x_max--特征向量中的樣本特征值的最小值和最大值；

②將歸一化后的6個(gè)圖像特征和4個(gè)長勢特征進(jìn)行偏最小二乘相關(guān)分析PLS，建立基于原變量的PLS氮素回歸模型：

N＝-4.72+12.34AG₄₀₂-8.52AG₄₄₆+34.71AG₅₅₆-26.73AG₆₃₆+10.94AG₆₉₉-15.62AG₇₀₆+7.53L_a-11.42P_h-15.91S_c+18.95B_m (12)

AG₄₀₂、AG₄₄₆、AG₅₅₆、AG₆₃₆、AG₆₉₉、AG₇₀₆分別為表示402、446、556、636、699、706nm敏感波長下的生菜葉片圖像灰度均值；L_a為生菜莖粗，P_h為株高，S_c為生菜葉面積，B_m為生菜的生物量；

步驟6、實(shí)際溫室生產(chǎn)作業(yè)的水肥脅迫的信息采集為隨機(jī)采樣，重復(fù)步驟2和步驟3，獲取作物水肥脅迫的數(shù)據(jù)并導(dǎo)入系統(tǒng)進(jìn)行分析計(jì)算，得出氮素、水分脅迫的量化結(jié)果；

步驟7、利用水肥脅迫的量化結(jié)果，并依據(jù)基于原變量的PLS氮素回歸模型，得出盆栽生菜的綜合長勢信息。