CN108267409A - 一种便携高光谱杂草叶片除草剂识别光学装置及方法 - Google Patents
一种便携高光谱杂草叶片除草剂识别光学装置及方法 Download PDFInfo
- Publication number
- CN108267409A CN108267409A CN201711488350.7A CN201711488350A CN108267409A CN 108267409 A CN108267409 A CN 108267409A CN 201711488350 A CN201711488350 A CN 201711488350A CN 108267409 A CN108267409 A CN 108267409A
- Authority
- CN
- China
- Prior art keywords
- soft light
- light belt
- belt sensor
- face
- cutting blade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种便携高光谱杂草叶片除草剂识别光学装置及方法,其中,装置包括:第一矩形框体和第二矩形框体,第一矩形框体的第一面和第二矩形框体的第二面平行相对放置,且在第一面和第二面之间形成有一探测狭缝;第一矩形框体的第一面和第二矩形框体的第二面均为透明玻璃面;第一矩形框体除第一面以外的其他面均为遮光面,第二矩形框体除第二面以外的其他面均为遮光面;在所述第一矩形框体内且对应于第一软光带传感器和第二软光带传感器之间的空隙位置处设置有高光谱相机,所述高光谱相机用于通过所述第一面对匀速通过所述探测狭缝的杂草叶片进行光谱信息采集。本发明通过获取杂草叶片的高光谱信息实现对杂草叶片上的除草剂的识别。
Description
技术领域
本发明涉及农业生产技术领域,具体涉及一种便携高光谱杂草叶片除草剂识别光学装置及方法。
背景技术
在农作物的培养种植过程中,杂草的生长对农作物的生长很不利,由于杂草的生长能力强、蔓延速度较快,严重影响农作物对阳光和养分的吸收。为了解决这一问题,通常采用喷洒除草剂的方式去除杂草。
在实际应用中,为了分析各除草剂的使用效果,需要对喷洒除草剂后的杂草进行识别,以获取其上的除草剂的种类及浓度,进而分析各除草剂的除草效果以及较佳使用浓度。然而,现有技术中,并没有对杂草上的除草剂进行识别的方法。
发明内容
针对现有技术中的缺陷,本发明提供了一种便携高光谱杂草叶片除草剂识别光学装置及方法,本发明通过获取杂草叶片的高光谱信息实现对杂草叶片上的除草剂的识别。
为实现上述目的,本发明提供了以下技术方案:
第一方面,本发明提供了一种便携高光谱杂草叶片除草剂识别光学装置,其特征在于,包括:第一矩形框体和第二矩形框体,第一矩形框体的第一面和第二矩形框体的第二面平行相对放置,且在第一面和第二面之间形成有一探测狭缝;
其中,沿竖直方向在所述探测狭缝的第一侧壁设置有相互分离的第一软光带传感器和第二软光带传感器,沿竖直方向在所述探测狭缝的第二侧壁设置有相互分离的第三软光带传感器和第四软光带传感器;其中,第一软光带传感器和第三软光带传感器相对设置,第二软光带传感器和第四软光带传感器相对设置;
所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器分别在对应的步进电机的带动下沿探测狭缝内侧匀速移动,当有杂草叶片放入所述探测狭缝时,杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动;所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器用于获取通过狭缝的杂草叶片的外形轮廓信息;
其中,第一矩形框体的第一面和第二矩形框体的第二面均为透明玻璃面;第一矩形框体除第一面以外的其他面均为遮光面,第二矩形框体除第二面以外的其他面均为遮光面;
其中,在所述第一矩形框体内且对应于所述第一软光带传感器和第二软光带传感器之间的空隙位置处设置有高光谱相机,所述高光谱相机用于通过所述第一面对匀速通过所述探测狭缝的杂草叶片进行光谱信息采集。
优选地,第一矩形框体除第一面以外的其他面均为白色尼龙材料制成的遮光面,第二矩形框体除第二面以外的其他面均为白色尼龙材料制成的遮光面。
优选地,所述探测狭缝的宽度为0.1mm~1.85mm。
优选地,所述步进电机为微型步进电机。
优选地,所述步进电机采用内置的太阳能电池供电。
优选地,所述高光谱相机包括QX1摄像机、25mm NDVI镜头和25mm Red-Edge镜头。
优选地,所述高光谱相机通过扩展外接有一热成像相机。
优选地,所述第一矩形框体或第二矩形框体内侧设置有光栅。
优选地,所述第一软光带传感器靠近第一面的一侧设置有第一弹簧,所述第二软光带传感器靠近第一面的一侧设置有第二弹簧,所述第三软光带传感器靠近第二面的一侧设置有第三弹簧,所述第四软光带传感器靠近第二面的一侧设置有第四弹簧,所述第一弹簧、第二弹簧、第三弹簧和第四弹簧分别推动所述第一软光带传感器、第二软光带传感、第三软光带传感器和第四软光带传感器以向位于探测狭缝中的杂草叶片施加一定压力。
第二方面,本发明还提供了一种基于上述第一方面所述的便携高光谱杂草叶片除草剂识别光学装置的杂草叶片除草剂识别方法,包括:
启动所述高光谱相机,启动所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器,以及启动各步进电机;
将待识别杂草叶片插入所述探测狭缝,在各步进电机的带动下,所述待识别杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动;其中,所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器用于获取通过狭缝的杂草叶片的外形轮廓信息;所述高光谱相机用于通过所述第一面对匀速通过所述探测狭缝的待识别杂草叶片进行光谱信息采集,得到待识别杂草叶片的光谱信息;
根据得到的光谱信息获取待识别杂草叶片上的除草剂的种类和浓度信息。
由上述技术方案可知,本发明提供的便携高光谱杂草叶片除草剂识别光学装置,包括:第一矩形框体和第二矩形框体,第一矩形框体的第一面和第二矩形框体的第二面平行相对放置,且在第一面和第二面之间形成有一探测狭缝;第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器分别在对应的步进电机的带动下沿探测狭缝内侧匀速移动,当有杂草叶片放入所述探测狭缝时,杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动,在所述杂草叶片穿过所述探测狭缝的过程中,采用高光谱相机对杂草叶片进行光谱信息采集。可见,本发明能够获取杂草叶片的高光谱图像,进而通过杂草叶片的高光谱图像实现对杂草叶片上的除草剂的识别。
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是本发明一实施例提供的便携高光谱杂草叶片除草剂识别光学装置的结构示意图;
图2是第一面A的俯视图;
图3是利用第一软光带传感器30和第二软光带传感器30’获取杂草叶片轮廓的示意图;
图4是本发明另一实施例提供的杂草叶片除草剂识别方法的流程图;
在图1~图3中,各附图标记的含义如下:
10表示第一矩形框体;20表示第二矩形框体;30表示第一软光带传感器;30’表示第二软光带传感器;40表示第三软光带传感器;50、60、70和80均表示步进电机;90表示高光谱相机;A表示第一矩形框体的第一面;B表示第二矩形框体的第二面;C表示探测狭缝,L表示探测狭缝的宽度。
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、完整的描述,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。
图1示出了本发明一实施例提供的便携高光谱杂草叶片除草剂识别光学装置的结构示意图。参见图1,本实施例提供的便携高光谱杂草叶片除草剂识别光学装置,包括:第一矩形框体10和第二矩形框体20,第一矩形框体10的第一面A和第二矩形框体20的第二面B平行相对放置,且在第一面A和第二面B之间形成有一探测狭缝C;
其中,沿竖直方向在所述探测狭缝的第一侧壁(也即是第一面A)设置有相距预设距离的第一软光带传感器30和第二软光带传感器30’(由于第二软光带传感器位于第一软光带传感器后面,图1中被第一软光带传感器挡住,故未在图1中显示,具体可参见图2和图3),沿竖直方向在所述探测狭缝的第二侧壁(也即是第二面B)设置有相距预设距离的第三软光带传感器40和第四软光带传感器(位于第三软光带传感器后面,图1中被第三软光带传感器挡住,故未在图1中显示);其中,第一软光带传感器30和第三软光带传感器40相对设置,第二软光带传感器和第四软光带传感器相对设置;
其中,所述第一软光带传感器30在步进电机50和60的带动下沿探测狭缝内侧匀速移动,所述第三软光带传感器40在步进电机70和80的带动下沿探测狭缝C内侧匀速移动,同理,未示出的第二软光带传感器和第四软光带传感器分别在与其对应的电机的带动下沿探测狭缝内侧匀速移动。可以理解的是,第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器移动的速度相等。
当有杂草叶片放入所述探测狭缝C时,杂草叶片被所述第一软光带传感器30和第三软光带传感器40,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝C内侧移动。可以理解的是,当将杂草叶片放入所述探测狭缝C时,应将杂草叶片的正面正对所述第一面A放入。所述杂草叶片移动的坐标点通过所述步进电机转动的距离获取。
其中,所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器为软电位器,当杂草叶片被所述第一软光带传感器30和第三软光带传感器40,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝C内侧移动时,由于杂草叶片本身有厚度,故杂草叶片会对各个软光带传感器施加压力,因而杂草叶片的轮廓可以转化为各软光带传感器不同位置点上的电压信号,通过这些电压信号可以获取叶片轮廓信息,从而为后续成像准确性提供支撑。
其中,第一矩形框体10的第一面A和第二矩形框体20的第二面B均为透明玻璃面;第一矩形框体10除第一面A以外的其他面均为遮光面,第二矩形框体20除第二面B以外的其他面均为遮光面;
其中,参见图1~图3,在所述第一矩形框体10内且对应于所述第一软光带传感器30和第二软光带传感器30’之间的空隙位置处设置有高光谱相机90,所述高光谱相机90的镜头面向所述第一面A,所述高光谱相机90用于通过所述第一面A对匀速通过所述探测狭缝C的杂草叶片进行光谱信息采集。
可以理解的是,在得到待识别杂草叶片的光谱信息之后,可以根据得到的光谱信息获取待识别杂草叶片上的除草剂的种类、浓度和用量信息。例如,在得到杂草叶片的光谱信息之后,通过与数据库中预先存储的光谱进行对比,得到杂草叶片上的除草剂种类、浓度和用量信息。其中,所述数据库中预先存储有各除草剂在各种浓度以及各用量下的光谱信息。当然,根据得到的光谱信息还可以采用其他方式获取待识别杂草叶片上的除草剂的种类、浓度和用量信息,这里不再一一介绍。
可以理解的是,叶片的光谱信息被采集计算后,可根据叶片的光谱信息识别叶片上的除草剂种类,除草剂浓度,除草剂的用量,进而自动得出精准的除草剂分布曲线图。这对于杂草科学研究,能快速完成田间喷药杂草叶片上农药分布的调查;对不同农药药效研究,能获得第一手的实验数据,对科学喷药具有重要指导作用。由于传统精准变量施药评价没有通过光谱对叶片进行分析的手段,而本发明实施例可解决传统间接测试的缺陷,对于监管除草剂的科学用法从定性到定量。
在具体实施时,例如,在农田小区研究中,可以根据喷药前后不同天数直接采集杂草叶片后利用本实施例提供的装置进行分析;或者,任意田间杂草调查,本实施例提供的装置直接读取历史的喷药信息。或者,杂草抗性田间调查,直接寻找有抗性的杂草,作为抗性研究的F1父本,采集其种子作为研究。此外使用时可以直接摘取叶片,也可以测试活株杂草。
在一种优选实施方式中,第一矩形框体10除第一面A以外的其他面均为白色尼龙材料制成的遮光面,第二矩形框体20除第二面B以外的其他面均为白色尼龙材料制成的遮光面,采用白色尼龙材料目的是使得光谱全反射。
可以理解的是,所述探测狭缝C的宽度不宜过大,否则不能夹住杂草叶片,此外,所述探测狭缝C的宽度也不宜过小,否则,杂草叶片将无法通过。因此,在一种优选实施方式中,参见图1,所述探测狭缝C的宽度L为0.1mm~1.85mm。在具体实施时,可以根据实际情况在0.1mm~1.85mm范围内进行调整。
为提高整个装置的便携性,在一种优选实施方式中,所述步进电机为微型步进电机。
为减轻装置整体重量,降低成本,同时避免频繁更换电池,在一种优选实施方式中,所述步进电机采用内置的太阳能电池供电。
在一种优选实施方式中,所述高光谱相机包括QX1摄像机、25mm NDVI镜头和25mmRed-Edge镜头。
由于除草剂(如草甘膦)对叶片的细胞酶产生干扰后,会引起叶片干枯缺水,叶片温度会发生变化,因此可以通过叶片的热成像图像对叶片是否施加除草剂、施加除草剂浓度、除草剂用量和除草剂类型进行判断。因此,上述装置最好还能够获取杂草叶片的热成像图像。
为使得装置具有获取杂草叶片的热成像图像的能力,在一种优选实施方式中,所述高光谱相机通过扩展外接有一热成像相机。
在一种优选实施方式中,所述第一矩形框体或第二矩形框体内侧设置有光栅。
为便于将杂草叶片的轮廓转化为各软光带传感器不同位置点上的电压信号,在一种优选实施方式中,所述第一软光带传感器靠近第一面的一侧设置有第一弹簧,所述第二软光带传感器靠近第一面的一侧设置有第二弹簧,所述第三软光带传感器靠近第二面的一侧设置有第三弹簧,所述第四软光带传感器靠近第二面的一侧设置有第四弹簧,所述第一弹簧、第二弹簧、第三弹簧和第四弹簧分别推动所述第一软光带传感器、第二软光带传感、第三软光带传感器和第四软光带传感器以向位于探测狭缝C中的杂草叶片施加一定压力,这样,在杂草叶片通过所述探测狭缝C时,比较容易将杂草叶片的轮廓转化为各软光带传感器不同位置点上的电压信号,进而通过这些电压信号获取叶片轮廓信息,从而为后续成像准确性提供支撑。
由上述技术方案可知,本实施例提供的便携高光谱杂草叶片除草剂识别光学装置,包括:第一矩形框体和第二矩形框体,第一矩形框体的第一面和第二矩形框体的第二面平行相对放置,且在第一面和第二面之间形成有一探测狭缝;第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器分别在对应的步进电机的带动下沿探测狭缝内侧匀速移动,当有杂草叶片放入所述探测狭缝时,杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动,在所述杂草叶片穿过所述探测狭缝的过程中,采用高光谱相机对杂草叶片进行光谱信息采集。可见,本实施例提供的便携高光谱杂草叶片除草剂识别光学装置,采用第一矩形框体和第二矩形框体形成夹片式结构,叶片从中间探测狭缝通过后能够获取叶片的高光谱信息,进而根据叶片的高光谱信息能够得到叶片上的除草剂种类、浓度等信息。可见,本实施例提供的抽拉式除草剂光学传感器,结构设计灵巧,通过高光谱相机读取杂草叶片上除草剂信息,无损快速,方便使用。这对于田间杂草调查,科学喷药具有重要作用。此外,对于监管除草剂的科学用法也有重要意义。
本发明另一实施例提供了一种杂草叶片除草剂识别方法,该识别方法采用上面实施例所述的便携高光谱杂草叶片除草剂识别光学装置实现,参见图4,该方法包括如下步骤:
步骤101:启动所述高光谱相机,启动所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器,以及启动各步进电机。
步骤103:将待识别杂草叶片插入所述探测狭缝,在各步进电机的带动下,所述待识别杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动;其中,所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器用于获取通过狭缝的杂草叶片的外形轮廓信息;所述高光谱相机用于通过所述第一面对匀速通过所述探测狭缝的待识别杂草叶片进行光谱信息采集,得到待识别杂草叶片的光谱信息。
步骤103:根据得到的光谱信息获取待识别杂草叶片上的除草剂的种类和浓度信息。
可以理解的是,在得到待识别杂草叶片的光谱信息之后,可以根据得到的光谱信息获取待识别杂草叶片上的除草剂的种类、浓度和用量信息。例如,在得到杂草叶片的光谱信息之后,通过与数据库中预先存储的光谱进行对比,得到杂草叶片上的除草剂种类、浓度和用量信息。其中,所述数据库中预先存储有各除草剂在各种浓度以及各用量下的光谱信息。当然,根据得到的光谱信息还可以采用其他方式获取待识别杂草叶片上的除草剂的种类、浓度和用量信息,这里不再一一介绍。
在本发明的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用于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。
Claims (10)
1.一种便携高光谱杂草叶片除草剂识别光学装置,其特征在于,包括:第一矩形框体和第二矩形框体,第一矩形框体的第一面和第二矩形框体的第二面平行相对放置,且在第一面和第二面之间形成有一探测狭缝;
其中,沿竖直方向在所述探测狭缝的第一侧壁设置有相互分离的第一软光带传感器和第二软光带传感器,沿竖直方向在所述探测狭缝的第二侧壁设置有相互分离的第三软光带传感器和第四软光带传感器;其中,第一软光带传感器和第三软光带传感器相对设置,第二软光带传感器和第四软光带传感器相对设置;
所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器分别在对应的步进电机的带动下沿探测狭缝内侧匀速移动,当有杂草叶片放入所述探测狭缝时,杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动;所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器用于获取通过狭缝的杂草叶片的外形轮廓信息;
其中,第一矩形框体的第一面和第二矩形框体的第二面均为透明玻璃面;第一矩形框体除第一面以外的其他面均为遮光面,第二矩形框体除第二面以外的其他面均为遮光面;
其中,在所述第一矩形框体内且对应于所述第一软光带传感器和第二软光带传感器之间的空隙位置处设置有高光谱相机,所述高光谱相机用于通过所述第一面对匀速通过所述探测狭缝的杂草叶片进行光谱信息采集。
2.根据权利要求1所述的装置,其特征在于,第一矩形框体除第一面以外的其他面均为白色尼龙材料制成的遮光面,第二矩形框体除第二面以外的其他面均为白色尼龙材料制成的遮光面。
3.根据权利要求1所述的装置,其特征在于,所述探测狭缝的宽度为0.1mm~1.85mm。
4.根据权利要求1所述的装置,其特征在于,所述步进电机为微型步进电机。
5.根据权利要求1所述的装置,其特征在于,所述步进电机采用内置的太阳能电池供电。
6.根据权利要求1所述的装置,其特征在于,所述高光谱相机包括QX1摄像机、25mmNDVI镜头和25mm Red-Edge镜头。
7.根据权利要求1所述的装置,其特征在于,所述高光谱相机通过扩展外接有一热成像相机。
8.根据权利要求1所述的装置,其特征在于,所述第一矩形框体或第二矩形框体内侧设置有光栅。
9.根据权利要求1所述的装置,其特征在于,所述第一软光带传感器靠近第一面的一侧设置有第一弹簧,所述第二软光带传感器靠近第一面的一侧设置有第二弹簧,所述第三软光带传感器靠近第二面的一侧设置有第三弹簧,所述第四软光带传感器靠近第二面的一侧设置有第四弹簧,所述第一弹簧、第二弹簧、第三弹簧和第四弹簧分别推动所述第一软光带传感器、第二软光带传感、第三软光带传感器和第四软光带传感器以向位于探测狭缝中的杂草叶片施加一定压力。
10.一种基于如权利要求1~9任一项所述的便携高光谱杂草叶片除草剂识别光学装置的杂草叶片除草剂识别方法,其特征在于,包括:
启动所述高光谱相机,启动所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器,以及启动各步进电机;
将待识别杂草叶片插入所述探测狭缝,在各步进电机的带动下,所述待识别杂草叶片被所述第一软光带传感器和第三软光带传感器,以及第二软光带传感器和第四软光带传感器夹着一起沿探测狭缝内侧移动;其中,所述第一软光带传感器、第二软光带传感器、第三软光带传感器和第四软光带传感器用于获取通过狭缝的杂草叶片的外形轮廓信息;所述高光谱相机用于通过所述第一面对匀速通过所述探测狭缝的待识别杂草叶片进行光谱信息采集,得到待识别杂草叶片的光谱信息;
根据得到的光谱信息获取待识别杂草叶片上的除草剂的种类和浓度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711488350.7A CN108267409B (zh) | 2017-12-29 | 2017-12-29 | 一种便携高光谱杂草叶片除草剂识别光学装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711488350.7A CN108267409B (zh) | 2017-12-29 | 2017-12-29 | 一种便携高光谱杂草叶片除草剂识别光学装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108267409A true CN108267409A (zh) | 2018-07-10 |
CN108267409B CN108267409B (zh) | 2020-05-22 |
Family
ID=62772957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711488350.7A Active CN108267409B (zh) | 2017-12-29 | 2017-12-29 | 一种便携高光谱杂草叶片除草剂识别光学装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108267409B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072883A (zh) * | 2010-07-07 | 2011-05-25 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102788794A (zh) * | 2012-07-30 | 2012-11-21 | 江苏大学 | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 |
CN103776775A (zh) * | 2014-01-27 | 2014-05-07 | 华南理工大学 | 一种安装于冷库中的肉品品质检测装置 |
US20140327760A1 (en) * | 2013-05-06 | 2014-11-06 | Bergen Teknologioverfoering As | Method of investigating a solid sample |
CN104215636A (zh) * | 2014-09-15 | 2014-12-17 | 河南科技大学 | 一种密闭式烟叶图像采集装置 |
WO2015006675A2 (en) * | 2013-07-11 | 2015-01-15 | Blue River Technology, Inc. | Method for automatic phenotype measurement and selection |
CN104655573A (zh) * | 2015-01-22 | 2015-05-27 | 浙江大学 | 一种植物侧表面冠层的高光谱扫描系统 |
CN104931470A (zh) * | 2015-06-02 | 2015-09-23 | 江苏大学 | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 |
CN105021617A (zh) * | 2015-07-14 | 2015-11-04 | 华中农业大学 | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 |
CN103487439B (zh) * | 2013-09-23 | 2016-03-02 | 北京农业信息技术研究中心 | 植物叶片表观纹理材质信息采集装置及其采集方法 |
US20160066775A1 (en) * | 2013-05-22 | 2016-03-10 | Ian W. Hunter | Methods, systems, and apparatus for imaging spectroscopy |
US20160123810A1 (en) * | 2014-10-29 | 2016-05-05 | Panasonic Intellectual Property Management Co., Ltd. | Image pickup apparatus, spectroscopic system, and spectroscopic method |
-
2017
- 2017-12-29 CN CN201711488350.7A patent/CN108267409B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072883A (zh) * | 2010-07-07 | 2011-05-25 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102788794A (zh) * | 2012-07-30 | 2012-11-21 | 江苏大学 | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 |
US20140327760A1 (en) * | 2013-05-06 | 2014-11-06 | Bergen Teknologioverfoering As | Method of investigating a solid sample |
US20160066775A1 (en) * | 2013-05-22 | 2016-03-10 | Ian W. Hunter | Methods, systems, and apparatus for imaging spectroscopy |
WO2015006675A2 (en) * | 2013-07-11 | 2015-01-15 | Blue River Technology, Inc. | Method for automatic phenotype measurement and selection |
CN103487439B (zh) * | 2013-09-23 | 2016-03-02 | 北京农业信息技术研究中心 | 植物叶片表观纹理材质信息采集装置及其采集方法 |
CN103776775A (zh) * | 2014-01-27 | 2014-05-07 | 华南理工大学 | 一种安装于冷库中的肉品品质检测装置 |
CN104215636A (zh) * | 2014-09-15 | 2014-12-17 | 河南科技大学 | 一种密闭式烟叶图像采集装置 |
US20160123810A1 (en) * | 2014-10-29 | 2016-05-05 | Panasonic Intellectual Property Management Co., Ltd. | Image pickup apparatus, spectroscopic system, and spectroscopic method |
CN104655573A (zh) * | 2015-01-22 | 2015-05-27 | 浙江大学 | 一种植物侧表面冠层的高光谱扫描系统 |
CN104931470A (zh) * | 2015-06-02 | 2015-09-23 | 江苏大学 | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 |
CN105021617A (zh) * | 2015-07-14 | 2015-11-04 | 华中农业大学 | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 |
Non-Patent Citations (4)
Title |
---|
SUN JUN等: "Quantitative detection of mixed pesticide residue of lettuce leaves based on hyperspectral technique", 《JOURNAL OF FOOD PROCESS ENGINEERING》 * |
ZOU XIAOBO等: "Independent component analysis in information extraction from visible_near-infrared hyperspectral imaging data of cucumber leaves", 《CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS》 * |
王伟等: "冬小麦叶绿素含量高光谱检测技术", 《农业机械学报》 * |
陈菁菁等: "基于高光谱荧光技术的叶菜农药残留快速检测", 《农业工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108267409B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11698331B1 (en) | Airborne particle monitoring system with illumination and imaging | |
US20220377986A1 (en) | Plant treatment based on morphological and physiological measurements | |
US11933788B1 (en) | Spore state discrimination | |
US10330578B2 (en) | Airborne particle monitor with orientation control | |
Rud et al. | Crop water stress index derived from multi-year ground and aerial thermal images as an indicator of potato water status | |
McCarthy et al. | Applied machine vision of plants: a review with implications for field deployment in automated farming operations | |
Kicherer et al. | Phenoliner: a new field phenotyping platform for grapevine research | |
EP3466248B1 (en) | Moisture content observation device, moisture content observation method and cultivation device | |
CN103697937B (zh) | 环境与植株生长态势协同监测分析装置及方法 | |
Awais et al. | Remotely sensed identification of canopy characteristics using UAV-based imagery under unstable environmental conditions | |
Gatti et al. | MECS-VINE®: A new proximal sensor for segmented mapping of vigor and yield parameters on vineyard rows | |
US10809240B2 (en) | Sensors for measuring water/solute content and thickness of plant tissue | |
CN105758806A (zh) | 基于光谱特征的地膜覆盖农田遥感监测方法 | |
US20220307971A1 (en) | Systems and methods for phenotyping | |
Cai et al. | Smart detection of leaf wilting by 3D image processing and 2D Fourier transform | |
Kim et al. | Multi-modal sensor system for plant water stress assessment | |
Shibayama et al. | Estimating paddy rice leaf area index with fixed point continuous observation of near infrared reflectance using a calibrated digital camera | |
Knoll et al. | Investigation of different sensor systems to classify plant and weed in organic farming applications | |
CN108267409A (zh) | 一种便携高光谱杂草叶片除草剂识别光学装置及方法 | |
CN106097372A (zh) | 基于图像处理的农作物植株水分胁迫表型检测方法 | |
Zhang et al. | Estimation of peanut seedling emergence rate of based on UAV visible light image | |
US20230064629A1 (en) | Monitoring of a plant condition | |
Triana-Martinez et al. | Comparative leaf area index estimation using multispectral and RGB images from a UAV platform | |
CN207798656U (zh) | 一种抽拉式除草剂光学传感器 | |
Chew et al. | Early detection of plant disease using close range sensing system for input into digital earth environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |