CN103048266A - 一种设施番茄氮磷钾胁迫自动识别方法和装置 - Google Patents

Abstract

本发明涉及一种设施番茄氮磷钾胁迫自动识别方法和装置，自动识别装置由CCD、摄谱仪、光学系统、光源、位移台、控制器、PC机、显示器和光箱组成。首先利用标定样本对自动识别装置进行系统实验标定；之后对模型样本在整个生长期进行等间隔时间采样，采集番茄倒7叶的可见光-近红外的反射强度、偏振度分布、超光谱图像信息，结合模型样本的氮磷钾化学分析实测值和微结构扫描电镜测试，利用主成分分析获取营养胁迫样本的主成分图像，确定氮磷钾的特征波长，将营养胁迫特征分成偏振特征、强度特征和图像特征三类，分别建立各自的特征空间，利用D-S判据理论，建立番茄氮磷钾的自动识别和综合评价模型；实现对设施番茄氮磷钾胁迫种类的自动识别和诊断。

Description

一种设施番茄氮磷钾胁迫自动识别方法和装置

技术领域

本发明涉及一种针对设施番茄氮磷钾胁迫的自动识别无损检测方法和装置，特指基于多源光信息技术的设施作物氮磷钾胁迫快速自动识别无损检测方法及其装置。

背景技术

目前，我国设施园艺面积已突破330万公顷，居世界第一位，对促进农村经济起到了巨大作用。但由于其出产量大、需肥量多、土壤肥力消耗高，且不少面积采用无土栽培，因此，设施栽培经常会出现氮、磷、钾等主要营养元素比例失调和缺素症状，直接影响作物的产量和品质。同时，有些生产者为了避免缺素问题的发生，过量施用氮、磷、钾肥，不仅造成肥料的浪费和环境的面源污染，而且也会引起作物品质的降低，甚至减产。因此，迫切需要在作物生长过程中对氮、磷、钾等主要营养元素进行精确监测和诊断，实现养分的精确管理。

长期以来，作物的营养诊断都是以生产者经验和实验室常规测试为主。这些传统的测试手段会对作物产生破坏，影响作物生长，而且耗费大量的人力、物力，时效性差。基于叶片或冠层的光谱和计算机视觉诊断技术具有快速、方便、非破坏性的优点，目前国内在基于高光谱和视觉图像技术的作物营养无损检测方面已有一些相关研究。申请号为CN200510088935.0的发明专利申请，公开了一种便携式植物氮素和水分含量的无损检测方法及测量仪器，通过检测植株叶片在四个特征波长处的光谱反射强度信息来进行植物的营养诊断，利用对四个波长植被指数的反演来获取植物的氮素和含水率信息。申请号为CN200710069116.0的发明专利公开了一种多光谱成像技术快速无损测量茶树含氮量的方法。采用3CCD多光谱摄像系统作为视觉采集装置，在计算机的控制下，通过3CCD多光谱摄像系统采集植株冠层多光谱图像信息，能够非破坏性的诊断植株的氮素营养状况。申请号为CN201010208851.7的发明专利申请，公开了一种基于高光谱成像技术的茶树叶片氮、磷、钾的快速探测方法及装置，基于滤光片式的高光谱成像技术，获取茶叶叶片的氮磷钾营养信息，可以实现茶树生长过程的营养无损检测。目前，计算机视觉技术主要利用叶片或冠层的颜色、纹理、形态等宏观物理特性进行诊断，光谱诊断技术主要利用特征波长处的光谱反射率的变化来反演作物的营养状况，无法充分表征作物营养亏缺时丰富的特征信息，从而制约了作物营养快速检测方法的应用。光波的信息是非常丰富的，包括强度、波长、位相和偏振态，而目前国内外营养检测仅仅利用了光波的强度（即反射率或反射强度）和波长信息，即采用反射光谱技术、图像技术或多光谱图像技术诊断作物的病害状况。这也影响和制约了作物病害的诊断精度的提高。偏振图像具有普通图像和反射光谱所不具备的优点，可以表征一些强度图像和光谱很难表征的信息，如目标表面的微观结构变化、物质内部对入射光的选择性吸收、散射以及物体表面前向反射、后向反射、漫反射特性的变化。由于偏振成像技术具有的独特之处，因此可以对作物营养胁迫导致的叶片表面质地和微结构变化信息进行提取和表征。本发明通过构建多源光信息采集装置，设施果菜的典型代表番茄为检测对象，获取设施番茄叶片的反射强度、偏振、可视化光谱多源综合信息，既能对番茄缺素引起的颜色、纹理、形态变化等特征进行可视化分析，又能探测营养亏缺导致的质地和微结构的偏振态、反射强度的各向异性分布信息。能够有效提高设施番茄氮磷钾营养胁迫的识别精度和稳定性。目前，国内外尚未见相关专利和报道。

发明内容

本发明的目的是提供一种设施番茄氮磷钾胁迫自动识别方法和装置。通过自行构建的多源光信息采集装置，获取设施番茄的多源综合信息，提取氮磷钾营养胁迫的强度、偏振、超光谱图像特征，基于多源信息融合技术，建立设施番茄营养胁迫的自动识别分类和评价模型，实现对设施番茄氮磷钾营养亏缺种类的自动识别和快速诊断。为设施条件下，番茄生产过程的营养液的精确施用提供了科学依据。

本发明一种设施番茄氮磷钾胁迫自动识别装置包括如下部件：CCD、摄谱仪、光学系统、光源、位移台、控制器、PC机、显示器和光箱。光箱的作用是屏蔽外界干扰，为多源光信息检测提供稳定的光源和检测环境，光箱顶部中心位置固定了由CCD、摄谱仪和光学系统组成的多源光信息传感器，光箱的底面几何中心固定了位移台，多源光信息传感器位于位移台的正上方，垂直于位移台，在光箱中部左右两侧对称安装了光源；其中CCD、摄谱仪和光源通过数据线与控制器相连接，PC机与控制器通过数据线相连接，控制器接受PC机的控制指令，控制光源的强度、位移台的行进速度和多源信息采集时的扫描速度、曝光时间、焦距和旋转偏振片位置等参数，实施信息采集控制；显示器用于实施监测PC机的采集和控制信息。

其中所述的CCD、摄谱仪和光学系统共同构成了多源光信息传感器，其最下端为光学系统，依次向上连接摄谱仪、CDD；其中所述的光学系统包括旋转偏振片、镜头和滤镜，旋转偏振片可以手动或自动调整偏振角；其中所述的CCD包括可见光CCD和近红外CCD，可见光CCD成像范围为400-1100nm，近红外CCD为铟镓砷成像CCD，光谱范围为900-1700nm。

其中所述的光源为卤钨灯光源，波长范围为400-2600nm。

其中所述的光箱内部采用黑色静电喷涂。

为实现发明的目的，本发明一种设施番茄氮磷钾胁迫自动识别方法按照下述步骤进行：

1）系统标定：将番茄标定样本固定在一种设施番茄氮磷钾胁迫自动识别装置的位移台上，进行采样标定试验，确定使扫描图像不失真的位移台的最佳位移速度以及光学系统的起偏角、CCD的成像焦距和曝光时间；采集黑场和白场信息，获得不同波长点的相对参考值，以各波长点的白场和黑场的差值作为分母，计算各像素点的相对反射率和成像灰度值。

2）信息采集：在番茄的整个生长期，每间隔10天进行一次多源光信息的采集，每次选取各氮、磷、钾营养水平和交互试验样本20株，分别获取不同氮、磷、钾营养水平的番茄叶片作为模型样本；采集番茄叶片在400-1700nm的可见光和近红外的反射强度分布、偏振度分布、超光谱图像信息；采用流动分析仪对叶片的总氮、总磷、总钾进行测定；用扫描电镜和显微图像法测定非光滑表面特性，及气孔、海绵体、栅栏组织等内部组织结构的变化。

3）特征提取和补偿：基于获取的多源信息，结合氮磷钾的化学实测值，利用主成分分析获取营养胁迫样本的主成分图像，确定氮磷钾的特征波长分布；在此基础上，应用Virtual Lab软件获取特征波长处的偏振度强度分布、Stocks参量、Mueller矩阵等偏振度特征，应用ENVI软件抽取目标区域可视化光谱的反射强度分布特征；抽取各特征波长处营养胁迫样本的特征图像提取其灰度、纹理、面积特征；采用正交试验，测试和分析不同氮、磷、钾营养水平及水分水平对偏振图像、光谱反射强度分布、超光谱特征图像的灰度分布及纹理特征的影响，以489nm波长的反射强度描述叶片总糖，分析不同磷营养水平对氮糖比的变化规律，给出氮诊断的修正因子；以1450nm波长的反射强度描述叶片的水分，分别计算营养元素和水分的修正因子；利用各个修正因子对氮磷钾营养胁迫特征进行修正，降低氮磷钾之间及其与水分之间的交互作用的影响。

4）识别模型的建立：将番茄的营养胁迫特征信息分成偏振特征、强度特征和图像特征三类，分别建立各自的特征空间，采用三个神经网络分类器分别在各自的特征空间进行氮磷钾胁迫的识别和分类，三个神经网络通过训练和学习获得各自的识别结果后，利用D-S判据理论，结合标准对照组样本，建立不同生长阶段的番茄氮磷钾的自动识别和综合评价模型；基于获取的组合模型，在设施番茄的任意自然生长阶段，采集番茄的倒7叶作为检测样本，利用多源光信息采集装置采集番茄的多源特征，并输入番茄营养胁迫自动识别软件，选择相应的生长阶段和输出选项，运行软件自动识别番茄的氮、磷、钾的胁迫状态、营养水平，并给出相应的营养液调配控制策略。

其中所述的番茄样本分为标定样本、模型样本和检测样本。标定样本是指进行系统标定时采用的样本，取自标准对照组植株的倒7叶；模型样本是指建立氮磷钾自动识别模型时使用的样本，为保证样本的纯正和识别模型的精确性，该样本采用温室营养液栽培模式，选用固体基质槽培的方式，并划分氮、磷、钾试验区培育番茄模型样本，在各试验区定时定量滴灌不同氮、磷、钾离子浓度的营养液，营养液配方采用山崎配方，在正常配方中，按照该元素正常含量的25%、50%、75%、100%、150%、200%进行灌溉，形成不同氮、磷、钾营养水平的单一缺素样本；采用标准正交实验设计，培养氮、磷、钾交互作用模型样本；检测样本是指随机选取的测量样本，所选取叶片位置和模型样本均为倒7叶，但检测样本为自然种植的设施番茄样本，未对营养液配方进行特殊分级处理。

其中所述的建立不同生长阶段的番茄氮磷钾的自动识别和综合评价模型，是指按照多源光信息采集的时间间隔顺序，分别建立各个时间节点的识别模型，构成组合模型库，进而利用所有阶段的多源信息，拟合整个生长期的氮磷钾营养胁迫自动识别模型。其中所述的结合标准对照组样本，是指将样本培育时的氮磷钾正常施用样本，即标准配方和管理下的番茄样本作为对照组，与其化学分析得到的氮磷钾含量进行对比，获得检测样本的营养水平。

本发明的有益效果：（1）本发明采用的强度、偏振、超光谱图像多源光信息进行设施番茄氮磷钾胁迫的自动识别检测，对氮磷钾亏缺的种类和程度进行判别，这在以往的文件中均未涉及。（2）本发明通过同步获取番茄叶片的多源综合信息，融合颜色、纹理、形态、微结构等特征进行番茄缺素种类的识别和诊断，实现了番茄氮磷钾的自动识别和评价，与传统的反射光谱和视觉图像等单一检测手段相比识别的精度和稳定性有了明显的提高。

附图说明

图1是本发明一种设施番茄氮磷钾胁迫自动识别装置结构示意图；

1－CCD；2－摄谱仪；3－光学系统；4－光源；5－位移台；6－控制器；7－PC机；

8－显示器；9－光箱。

图2是本发明一种设施番茄氮磷钾胁迫自动识别方法流程图。

具体实施方式

下面结合附图1对本发明进行进一步详细描述。

本发明一种设施番茄氮磷钾胁迫自动识别装置包括如下部件：CCD1、摄谱仪2、光学系统3、光源4、位移台5、控制器6、PC机7、显示器8和光箱9。光箱9的作用是屏蔽外界干扰，为多源光信息检测提供稳定的光源和检测环境，光箱9顶部中心位置固定了由CCD1、摄谱仪2和光学系统3组成的多源光信息传感器，光箱的底面几何中心固定了位移台5，多源光信息传感器位于位移台5的正上方，垂直于位移台5，在光箱9中部左右两侧对称安装了光源4；其中CCD1、摄谱仪2和光源3通过数据线与控制器6相连接， PC机7与控制器6通过数据线相连接，控制器6接受PC机7的控制指令，控制光源4的强度、位移台5的行进速度和多源信息采集时的扫描速度、曝光时间、焦距和旋转偏振片位置等参数，实施信息采集控制；显示器8用于实施监测PC机7的采集和控制信息。

其中所述的CCD1、摄谱仪2和光学系统3共同构成了多源光信息传感器，其最下端为光学系统3，其后向上依次连接摄谱仪2、CDD1；其中所述的光学系统3包括旋转偏振片、镜头和滤镜，旋转偏振片可以手动或自动调整偏振角；其中所述的CCD1包括可见光CCD和近红外CCD，可见光CCD成像范围为400-1100nm，近红外CCD为铟镓砷成像CCD，光谱范围为900-1700nm。

其中所述的光源的为卤钨灯光源，波长范围为400-2600nm。

其中所述的光箱内部采用黑色静电喷涂。

下面以苗期番茄氮磷钾检测为例介绍具体检测方法。实际测量时，按照下述步骤进行：

1）系统标定：采集番茄的倒7叶作为苗期番茄样本，共选取85个样本，其中5个作为标定样本，其他80个作为检测样本。首先将标定样本固定在一种设施番茄氮磷钾胁迫自动识别装置的位移台5上，首先进行采样标定试验，经过实际扫描，确定使扫描图像不失真的位移台5的最佳位移速度设定值为9，光学系统的起偏角为45°，选择CCD的成像焦距为 12mm（镜头距离叶片的物距为70cm时），快门速度为1/1000s；采集黑场和白场信息，其中黑场通过关闭光源和镜头盖扫描进行，白场通过扫描标准白板进行，获得400-1700nm波长范围的相对参考值，其中黑场的参考值为0，白场的相对参考值为4000，以白场和黑场的差值作为分母，计算各像素点的相对反射率和成像灰度值。

2）信息采集：选取各不氮、磷、钾营养水平和交互试验样本80株，分别获取不同氮、磷、钾营养水平的番茄叶片作为模型样本；采集番茄叶片在400-1700nm的可见光和近红外的反射强度分布、偏振度分布、超光谱图像；采用流动分析仪对叶片的总氮进行测定；用扫描电镜和显微图像法测定样本表面特性及气孔等内部组织结构。

3）特征提取和补偿：基于获取的多源信息，结合氮磷钾的化学实测值，利用主成分分析获取营养胁迫样本的主成分图像，确定氮磷钾的特征波长分布；在此基础上，应用Virtual Lab软件获取特征波长处的偏振度强度分布、Stocks参量、Mueller矩阵等偏振度特征，应用ENVI软件抽取目标区域可视化光谱的反射强度分布特征；抽取各特征波长处营养胁迫样本的特征图像提取其灰度、纹理、面积特征；采用正交试验，测试和分析不同氮、磷、钾营养水平及水分水平对偏振图像、光谱反射强度分布、超光谱特征图像的灰度分布及纹理特征的影响，以489nm波长的反射强度描述叶片总糖，分析不同磷营养水平对氮糖比的变化规律，给出氮诊断的修正因子；以1450nm波长的反射强度描述叶片的水分，分别计算营养元素和水分的修正因子；利用各个修正因子对氮磷钾营养胁迫特征进行修正，降低氮磷钾之间及其与水分之间的交互作用的影响。

4）识别模型的建立：将番茄的营养胁迫特征信息分成偏振特征、强度特征和图像特征三类，分别建立各自的特征空间，采用三个神经网络分类器分别在各自的特征空间进行氮磷钾胁迫的识别和分类，三个神经网络通过训练和学习获得各自的识别结果后，利用D-S判据理论，结合标准对照组样本，建立不同生长阶段的番茄氮磷钾的自动识别和综合评价模型。其中，三个神经网络分类器选择网络的输入节点数根据每类特征的个数，分别选取7个偏振特征变量、5个强度特征变量和8个图像特征变量作为三个子 神经网络的输入；采用单隐含层的3层网络结构，隐含层单元数为10；训练的学习速率为0.47，学习误差为0.01，最大训练次数为2000次。各神经网络分别在各自的特征空间中进行样本的识别与分类，获得各自的识别结果后，利用D-S判据理论进行融合决策判断。

基于获取的组合模型，在设施番茄的任意自然生长阶段，采集番茄的倒7叶作为检测样本，利用多源光信息采集装置采集番茄的多源特征，并输入番茄营养胁迫自动识别软件，选择相应的生长阶段和输出选项，运行软件自动识别番茄的氮、磷、钾的胁迫状态、营养水平。其中番茄氮素亏缺的正确识别率达到100%，不同氮素水平的正确识别率达到92%以上；番茄磷亏缺的正确识别率达到86%，不同磷水平的正确识别率达到80%以上，番茄钾亏缺的正确识别率为70%。而以往的研究对与磷和钾元素仅能做的定性分析，氮素的诊断和识别精度也有显著提高。结果表明，利用多传感信息融合技术进行油菜氮素和含水率的定量分析，与光谱、视觉图像和冠层温度等单一检测方法相比，预测精度有明显提高。

Claims (6)

1.一种设施番茄氮磷钾胁迫自动识别方法，其特征在于，包括的步骤为：

1）系统标定：将番茄标定样本固定在一种设施番茄氮磷钾胁迫自动识别装置的位移台上，进行采样标定试验，确定使扫描图像不失真的位移台的最佳位移速度以及光学系统的起偏角、CCD的成像焦距和曝光时间；采集黑场和白场信息，获得不同波长点的相对参考值，以各波长点的白场和黑场的差值作为分母，计算各像素点的相对反射率和成像灰度值；

2）信息采集：在番茄的整个生长期，每间隔10天进行一次多源光信息的采集，每次选取各氮、磷、钾营养水平和交互试验样本20株，分别获取不同氮、磷、钾营养水平的番茄叶片作为模型样本；采集番茄叶片在400-1700nm的可见光和近红外的反射强度分布、偏振度分布、超光谱图像信息；采用流动分析仪对叶片的总氮、总磷、总钾进行测定；用扫描电镜和显微图像法测定非光滑表面特性，及气孔、海绵体、栅栏组织等内部组织结构的变化；

3）特征提取和补偿：基于获取的多源信息，结合氮磷钾的化学实测值，利用主成分分析获取营养胁迫样本的主成分图像，确定氮磷钾的特征波长分布；在此基础上，应用Virtual Lab软件获取特征波长处的偏振度强度分布、Stocks参量和Mueller矩阵的偏振度特征，应用ENVI软件抽取目标区域可视化光谱的反射强度分布特征；抽取各特征波长处营养胁迫样本的特征图像提取其灰度、纹理和面积特征；采用正交试验，测试和分析不同氮、磷、钾营养水平及水分水平对偏振图像、光谱反射强度分布、超光谱特征图像的灰度分布及纹理特征的影响，以489nm波长的反射强度描述叶片总糖，分析不同磷营养水平对氮糖比的变化规律，给出氮诊断的修正因子；以1450nm波长的反射强度描述叶片的水分，分别计算营养元素和水分的修正因子；利用各个修正因子对氮磷钾营养胁迫特征进行修正，降低氮磷钾之间及其与水分之间的交互作用的影响；

4）识别模型的建立：将番茄的营养胁迫特征信息分成偏振特征、强度特征和图像特征三类，分别建立各自的特征空间，采用三个神经网络分类器分别在各自的特征空间进行氮磷钾胁迫的识别和分类，三个神经网络通过训练和学习获得各自的识别结果后，利用D-S判据理论，结合标准对照组样本，建立不同生长阶段的番茄氮磷钾的自动识别和综合评价模型；基于获取的模型，在设施番茄的任意自然生长阶段，采集番茄的倒7叶作为检测样本，利用多源光信息采集装置采集番茄的多源特征，并输入番茄营养胁迫自动识别软件，选择相应的生长阶段和输出选项，运行软件自动识别番茄的氮、磷、钾的胁迫状态、营养水平，并给出相应的营养液调配控制策略。

2.根据权利要求1所述的一种设施番茄氮磷钾胁迫自动识别方法，其特征在于，步骤2）中所述模型样本采用温室营养液栽培模式，选用固体基质槽培的方式，并划分氮、磷、钾试验区培育番茄模型样本，在各试验区定时定量滴灌不同氮、磷、钾离子浓度的营养液，营养液配方采用山崎配方，按照元素正常含量的25%、50%、75%、100%、150%、200%进行灌溉，形成不同氮、磷、钾营养水平的单一缺素样本；采用标准正交实验设计，培养氮、磷、钾交互作用模型样本。

3.根据权利要求1或2所述的一种设施番茄氮磷钾胁迫自动识别方法，其特征在于，步骤4）所述的建立不同生长阶段的番茄氮磷钾的自动识别和综合评价模型，是指按照多源光信息采集的时间间隔顺序，分别建立各个时间节点的识别模型，构成组合模型库，进而利用所有阶段的多源信息，拟合整个生长期的氮磷钾营养胁迫自动识别模型；所述的结合标准对照组样本，是指将样本培育时的氮磷钾正常施用样本，即标准配方和管理下的番茄样本作为对照组，与其化学分析得到的氮磷钾含量进行对比，获得检测样本的营养水平。

4.实施权利要求1所述的一种设施番茄氮磷钾胁迫自动识别方法的装置，包括如下部件：CCD、摄谱仪、光学系统、光源、位移台、控制器、PC机、显示器和光箱，光箱内顶部中心位置固定由所述CCD、摄谱仪和光学系统组成的多源光信息传感器，光箱内的底面几何中心固定所述位移台；所述多源光信息传感器位于位移台的正上方，并垂直于位移台；光源对称安装在光箱内中部的左右两侧；其中所述CCD、摄谱仪和光源通过数据线与控制器相连接， PC机与控制器通过数据线相连接，控制器接受PC机的控制指令，控制所述光源的强度、位移台的行进速度和多源信息采集时的扫描速度、曝光时间、焦距和旋转偏振片位置参数，实施信息采集控制；显示器用于实施监测PC机的采集和控制信息。

5.根据权利要求4所述一种设施番茄氮磷钾胁迫自动识别装置，其特征在于，所述光学系统位于多源光信息传感器的最下端，依次向上连接摄谱仪和CDD；所述光学系统包括旋转偏振片、镜头和滤镜，旋转偏振片可以通过手动或自动调整偏振角；所述CCD包括可见光CCD和近红外CCD，可见光CCD成像范围为400-1100nm，近红外CCD为铟镓砷成像CCD，光谱范围为900-1700nm。

6.根据权利要求4或5所述一种设施番茄氮磷钾胁迫自动识别装置，其特征在于，所述光源为卤钨灯光源，波长范围为400-2600nm；所述光箱内部采用黑色静电喷涂。

Images