本發(fā)明涉及高粱澇害監(jiān)測，具體涉及一種高粱澇害的監(jiān)測評估方法及系統(tǒng)。

背景技術：

1、高粱澇害會對高粱植株的水分含量以及生理過程產生影響，可通過對高粱的水分含量和生理過程的數(shù)據(jù)檢測確定高粱澇害情況，從而實現(xiàn)高粱澇害情況的監(jiān)測。

2、現(xiàn)有技術在監(jiān)測澇害時需要逐一進行水分含量和生理過程的檢測，監(jiān)測過程涉及大量的生物處理技術，過程繁雜耗時長，從而導致高粱澇害監(jiān)測結果滯后于高粱澇害的發(fā)生階段，難以在澇害發(fā)生的第一時間監(jiān)測到，也就導致無法及時對高粱澇害進行救助處理，而且監(jiān)測過程中生物處理技術還會對高粱植株產生損害，安全性不足。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種高粱澇害的監(jiān)測評估方法及系統(tǒng)，以解決現(xiàn)有技術中需要逐一進行水分含量和生理過程的檢測，監(jiān)測過程涉及大量的生物處理技術，過程繁雜耗時長，且還會對高粱植株產生損害，安全性不足的技術問題。

2、為解決上述技術問題，本發(fā)明具體提供下述技術方案：

3、一種高粱澇害的監(jiān)測評估方法，包括以下步驟：

4、獲取澇害對高粱產生的影響指標；

5、通過葉溫差與所述影響指標間的相關性，將葉溫差確定為高粱澇害的監(jiān)測指標；

6、將葉溫差與影響指標間的相關性進行深度學習訓練，構建出根據(jù)葉溫差量化澇害對高粱的影響程度的高粱澇害評估模型。

7、作為本發(fā)明的一種優(yōu)選方案，所述影響指標包含：高粱葉片的相對含水量、凈光合速率、蒸騰速率。

8、作為本發(fā)明的一種優(yōu)選方案，所述葉溫差與所述影響指標間的相關性的確定方法包括：

9、通過實驗收集高粱澇害后高粱葉片的相對含水量、凈光合速率和蒸騰速率，以及高粱葉片的葉溫差；

10、分別對高粱葉片的相對含水量、凈光合速率和蒸騰速率與高粱葉片的葉溫差進行線性擬合，對應確定出高粱葉片的相對含水量、凈光合速率和蒸騰速率與高粱葉片的葉溫差間的線性相關性；

11、其中，所述高粱葉片的相對含水量、凈光合速率和蒸騰速率與高粱葉片的葉溫差的線性相關性為：高粱葉片的相對含水量、凈光合速率、蒸騰速率和葉溫差之間呈顯著的線性負相關。

12、作為本發(fā)明的一種優(yōu)選方案，所述高粱葉片的相對含水量的實驗收集方法包括：

13、準備50盆高粱植株，在高粱植株的五葉期進行澇脅迫；

14、在澇脅迫持續(xù)兩周后，選取10盆長勢一致的高粱植株為測定對象，用直徑為8mm的打孔器從最新完全展開葉上取樣，避開葉脈，每片葉取樣30片；

15、在樣品中隨機取50個稱量得到高粱葉片的鮮重fw；

16、將50個樣品在蒸餾水中浸泡5h，用吸水紙吸干表面水分，稱重得到高粱葉片的飽和重tw；

17、將50個樣品烘干，稱重得到高粱葉片的干重dw；

18、根據(jù)高粱葉片的飽和重tw和高粱葉片的干重dw，利用相對含水量的計算公式，得到高粱葉片的相對含水量；

19、其中，相對含水量的計算公式為：rwc＝(fw-dw)/(tw-dw)×100％；

20、式中，rwc為相對含水量，fw為高粱葉片的鮮重，dw為高粱葉片的干重，tw為高粱葉片的飽和重。

21、作為本發(fā)明的一種優(yōu)選方案，所述高粱葉片的凈光合速率和蒸騰速率實驗收集方法包括：

22、在上午的9:00～11:00，采用li-6400光合儀測定50盆高粱植株最新完全展開葉的氣體交換參數(shù)，得到高粱葉片的凈光合速率pn和蒸騰速率e。

23、作為本發(fā)明的一種優(yōu)選方案，所述高粱葉片的葉溫差實驗收集方法包括：

24、采用美國flir公司生產的thermacamsc3000紅外成像儀測定50盆高粱植株的葉片溫度，

25、在澇脅迫結束后，在50盆高粱植株取5盆于上午的9:00～11:30進行對利用紅外成像儀位于高粱葉片上方1米處，拍攝高粱的紅外成像，并記錄拍攝時的空氣溫度tair；

26、用flir熱成像專用軟件分析高粱葉片溫度，取高粱頂部三片葉的中心點溫度的均值作為高粱的葉片溫度tleaf；

27、根據(jù)空氣溫度tair和高粱的葉片溫度tleaf，利用葉溫差計算公式，得到高粱葉片的葉溫差△t；

28、其中，葉溫差的計算公式為：△t＝tleaf-tair；

29、式中，△t為高粱葉片的葉溫差，tleaf為高粱的葉片溫度，tair為空氣溫度。

30、作為本發(fā)明的一種優(yōu)選方案，所述高粱澇害評估模型的構建方法包括：

31、將高粱葉片的葉溫差作為第一bp神經網絡的輸入項，將高粱葉片的相對含水量、凈光合速率、蒸騰速率均作為第一bp神經網絡的輸出項；

32、將高粱葉片的相對含水量作為第二bp神經網絡的輸入項，將高粱葉片的葉溫差作為第二bp神經網絡的輸出項；

33、將高粱葉片的凈光合速率作為第三bp神經網絡的輸入項，將高粱葉片的葉溫差作為第三bp神經網絡的輸出項；

34、將高粱葉片的蒸騰速率作為第四bp神經網絡的輸入項，將高粱葉片的葉溫差作為第四bp神經網絡的輸出項；

35、對第一bp神經網絡、第二bp神經網絡、第三bp神經網絡和第四bp神經網絡構建一致性損失函數(shù)；

36、基于所述一致性損失函數(shù)對第一bp神經網絡、第二bp神經網絡、第三bp神經網絡和第四bp神經網絡進行訓練至最優(yōu)，

37、將訓練至最優(yōu)的第一bp神經網絡作為所述高粱澇害評估模型；

38、其中，第一bp神經網絡、第二bp神經網絡、第三bp神經網絡和第四bp神經網絡分別為：

39、(rwc1，pn1，e1)＝bp1(△t)；

40、△t2＝bp2(rwc)；

41、△t3＝bp3(pn)；

42、△t4＝bp4(e)；

43、式中，rwc1，pn1，e1分別為第一bp神經網絡輸出的相對含水量、凈光合速率、蒸騰速率，△t為第一bp神經網絡輸入的葉溫差，△t2為第二bp神經網絡輸出的葉溫差，rwc為第二bp神經網絡輸入的相對含水量，△t3為第三bp神經網絡輸出的葉溫差，pn為為第二bp神經網絡輸入的凈光合速率，△t4為第四bp神經網絡輸出的葉溫差，e為第四bp神經網絡輸入的蒸騰速率。

44、作為本發(fā)明的一種優(yōu)選方案，所述一致性損失函數(shù)為：

45、loss1＝||rwc1-rwc||2+||pn1-pn||2+||e1-e||2；

46、loss2＝||△t2-△t||2+||△t3-△t||2+||△t4-△t||2

47、loss3＝||bp1(△t2)-rwc||2+||bp1(△t3)-pn||2+||bp1(△t4)-e||2；

48、loss4＝||bp2(rwc1)-△t||2+||bp3(pn1)-△t||2+||bp4(e1)-△t||2；

49、式中，loss1為第一bp神經網絡的損失函數(shù)，loss2為第二bp神經網絡、第三bp神經網絡和第四bp神經網絡的損失函數(shù)，loss3為相對含水量、凈光合速率、蒸騰速率的轉換一致性損失函數(shù)，loss4為葉溫差的轉換一致性損失函數(shù)。

50、作為本發(fā)明的一種優(yōu)選方案，利用紅外成像儀結合高粱澇害評估模型對待監(jiān)測高粱植株的澇害進行監(jiān)測評估方法包括：

51、將待監(jiān)測高粱植株于上午的9:00～11:30進行對利用紅外成像儀位于高粱葉片上方1米處，拍攝高粱的紅外成像，并記錄拍攝時的空氣溫度tair；

52、用flir熱成像專用軟件分析待監(jiān)測高粱植株高粱葉片溫度，取高粱頂部三片葉的中心點溫度的均值作為待監(jiān)測高粱植株的葉片溫度tleaf；

53、根據(jù)空氣溫度tair和待監(jiān)測高粱植株的葉片溫度tleaf，利用葉溫差計算公式，得到待監(jiān)測高粱植株的高粱葉片的葉溫差△t；

54、將待監(jiān)測高粱植株的高粱葉片的葉溫差△t，輸入至高粱澇害評估模型中，得到待監(jiān)測高粱植株的高粱葉片的相對含水量、凈光合速率、蒸騰速率。

55、作為本發(fā)明的一種優(yōu)選方案，本發(fā)明提供了一種高粱澇害的監(jiān)測評估系統(tǒng)，根據(jù)所述的一種高粱澇害的監(jiān)測評估方法，系統(tǒng)包括：

56、數(shù)據(jù)收集單元，用于獲取澇害對高粱產生的影響指標；

57、數(shù)據(jù)處理單元，用于通過葉溫差與所述影響指標間的相關性，將葉溫差確定為高粱澇害的監(jiān)測指標；

58、以及將葉溫差與影響指標間的相關性進行深度學習訓練，構建出根據(jù)葉溫差量化澇害對高粱的影響程度的高粱澇害評估模型；

59、監(jiān)測評估單元，用于利用紅外成像儀結合高粱澇害評估模型對待監(jiān)測高粱植株的澇害進行監(jiān)測評估。

60、本發(fā)明與現(xiàn)有技術相比較具有如下有益效果：

61、本發(fā)明利用紅外成像技術對高粱澇害監(jiān)測重要指標的葉溫差進行監(jiān)測，實現(xiàn)對高粱澇害進行快速、無損傷監(jiān)測，而且將葉溫差與影響指標間的相關性進行深度學習訓練，構建出高粱澇害評估模型，根據(jù)葉溫差量化澇害對高粱的影響程度，實現(xiàn)高粱澇害的定量化評估，實現(xiàn)對高粱澇害進行精準監(jiān)測。