專利名稱：基于高光譜成像技術的茶樹營養(yǎng)信息快速探測方法及裝置的制作方法
技術領域：
本發(fā)明涉及一種基于高光譜成像技術的茶樹生長中主要營養(yǎng)信息快速探測方法 及裝置。
背景技術：
茶樹是多年生植物，茶樹生長需要大量的營養(yǎng)元素，茶樹營養(yǎng)元素是其合成各種 有機化合物的重要組成部分，參與茶樹生長發(fā)育中的多種代謝過程，具有重要的生理作用。 茶樹營養(yǎng)元素的虧缺，直接影響茶樹的生長發(fā)育，還會對茶葉的品質(zhì)和產(chǎn)量產(chǎn)生不利影響。 茶樹是葉用植物，每年要進行多次鮮葉采摘，每次采摘后茶樹都要消耗大量營養(yǎng)元素，如 碳、氫、氧、氮、磷、鉀、鈣、鎂、錳、硼、鋅等，其中，除碳、氫、氧來自大自然的水分和空氣以外， 其它營養(yǎng)元素都來自土壤，從而要求土壤肥力具有高消耗、高補充特點。茶樹在生長過程中 很容易出現(xiàn)氮、磷、鉀比例失調(diào)，土壤障礙和缺素癥狀。因此，在茶樹生長過程中，有必要對 其營養(yǎng)信息進行快速、精確的診斷，以便對茶園實現(xiàn)精準有效地施肥，提高茶園智能化管理 水平。長期以來，植物的營養(yǎng)信息診斷都是以實驗室常規(guī)測試為主，包括形態(tài)診斷法、葉 色卡片法、化學診斷法、肥料窗口施用診斷法和酶學診斷法等。這些傳統(tǒng)的測試手段不僅會 對作物產(chǎn)生破壞，影響作物生長，而且在取樣、測定、數(shù)據(jù)分析等方面需要耗費大量的人力、 物力，時效性差，不利于推廣應用。近年來，一些新型的光學技術手段開始應用于農(nóng)作物生 長中營養(yǎng)信息的快速探測。這些技術具有檢測速度快、可操作性強和結果重現(xiàn)性好等優(yōu)點。 植物營養(yǎng)元素的缺失與否，不僅與葉片的紋理、色澤和形狀等外部特征直接相關，而且與葉 片內(nèi)部組織結構密切相關，計算機圖像處理能很好地表征葉片的外部特征，近紅外光譜能 很好地反映葉片內(nèi)部組織結構，目前在作物營養(yǎng)信息快速探測上，計算機圖像處理和近紅 外光譜技術被認為是兩種最有效的手段，但具體到農(nóng)作物營養(yǎng)信息快速探測的應用上，它 們都具有一定的局限性光譜技術能很好地檢測作物葉片內(nèi)部特征信息，但是不能表達作 物葉片的顏色、紋理及形狀等外部特征；計算機圖像處理雖然能表達作物葉片的外部特征， 但沒有對局部特征波段進行細化和增強，因此作物光譜信息的提練不明顯；當前大都是基 于單個的技術手段完成的，單個技術手段不足以準確、全面反映作物營養(yǎng)狀況。高光譜成像技術集光譜分析技術和圖像分析于一身，可以對茶樹鮮葉的內(nèi)外特征 進行可視化分析，與傳統(tǒng)檢測手段相比，該技術獲得的信息量大，既含有反映茶樹葉片外部 特征的圖像信息，又含有反映茶樹葉片內(nèi)部組織結構的光譜信息，同時考慮到葉片內(nèi)外特 征信息，這樣提高了茶樹營養(yǎng)信息快速探測的準確性。因此，本發(fā)明提供的基于濾波片式高 光譜成像技術的茶樹生長中營養(yǎng)信息無損探測方法及裝置，可以實現(xiàn)茶樹生長過程中營養(yǎng) 信息快速探測。該發(fā)明為茶園科學精確施肥提供參考，對提高茶園智能化管理水平、增加茶 葉產(chǎn)量和提高茶葉品質(zhì)都有著直接意義。

發(fā)明內(nèi)容
鑒于上述現(xiàn)有技術發(fā)展情況，本發(fā)明的目的就是要提供一種基于高光譜成像技術 的茶樹生長中氮、磷、鉀主要營養(yǎng)信息快速探測方法及裝置。通過濾波片式高光譜圖像系統(tǒng) 裝置采集茶樹葉片的高光譜數(shù)據(jù)，該數(shù)據(jù)能同時反應葉片內(nèi)在特征的光譜信息和茶葉外觀 特征的圖像信息。原始數(shù)據(jù)經(jīng)過標定后，提取能表征葉片內(nèi)外特征的特征圖像和光譜信息； 再從特征圖像中提取能反映鮮葉外部的顏色特征和紋理特征變量，利用主成分分析從光譜 信息中提取主成分特征變量，并將這些特征變量相互融合；最后將這些特征向量與葉片中 的N、P、K含量參考測量值(由常規(guī)方法測定)相關聯(lián)，通過非線性的方法建立葉片中N、P、 K三種營養(yǎng)元素的預測模型。待測樣本通過相應的數(shù)據(jù)采集和特征提取，再用已經(jīng)建立好的 模型來預測該葉片中N、P、K的含量。以便實時、準確地探測茶樹生長過程中的主要營養(yǎng)信 息，為茶園精準施肥提供理論依據(jù)。本發(fā)明的目的是通過以下方法實現(xiàn)的(1)建立預測模型選取茶樹葉片樣本，利用原子吸收檢測方法測量樣本葉片中 N、P、K三種主要營養(yǎng)元素的含量，組成一個數(shù)據(jù)庫；獲取這些樣本在不同可見光和近紅外 波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計算機；計算機對數(shù)據(jù)進行預處理，完成相 應的圖像信息和光譜信息特征變量的提取，然后將這些特征變量相互融合，并與前述建立 的數(shù)據(jù)庫中測定的N、P、K含量相關聯(lián)，建立葉片中N、P、K含量的預測模型；(2)進行樣本測試對于待測鮮葉樣本，按照步驟(1)中相同的方式獲取待測樣本 高光譜圖像數(shù)據(jù)、數(shù)據(jù)預處理、圖像信息和光譜信息特征變量的提取，然后將提取的特征變 量代入上述建立的葉片中N、P、K含量的預測模型，得出N、P、K含量預測結果，完成對待測 鮮葉樣本的實時檢測。所述的高光譜圖像數(shù)據(jù)的采集，將茶樹葉片樣本均勻地平鋪在光源箱內(nèi)的載物臺 上方，光源箱內(nèi)兩個30W的鹵素燈提供穩(wěn)定的光照條件，鹵素燈發(fā)出的光均勻地照射在載 物臺上的茶樹葉片上，光在葉片上進行漫反射，然后通過濾光片獲取特定波長光進入CCD 攝像頭(可見光_近紅外攝像頭)，攝像頭將采集得到的圖像數(shù)據(jù)通過采集卡傳輸?shù)接嬎?機。通過RS-232控制輪盤的旋轉(zhuǎn)，分別讓漫反射光通過6個不同中心波長濾光片進入CXD 攝像頭，得到6個不同波長下的圖像，然后進行疊加，形成一個三維數(shù)據(jù)塊。所述的原始數(shù)據(jù)預處理和特征信息提取，在高光譜的數(shù)據(jù)預處理上，首先通過標 準的白板對原始圖像進行黑白校正；對三維數(shù)據(jù)塊進行降維處理，從中提取圖像信息和光 譜信息；接著從圖像信息中提取能描述茶葉葉片的外部特征的紋理、顏色和形狀等特征變 量；從光譜信息提取能放映茶樹葉片內(nèi)部特征的主成分特征變量。所述的特征變量融合和預測模型建立，就是將提取得到光譜特征信息和圖像特征 信息進行融合構建聯(lián)合特征變量，再將這些特征變量與原子吸收光譜方法測量的N、P、K含 量參考測量值相關聯(lián)，通過非線性方法構建茶樹葉片中N、P、K含量預測模型。實現(xiàn)上述方法的濾波片式高光譜成像系統(tǒng)裝置，包括可見光-近紅外攝像頭、鹵 素燈光源、光源箱、載物臺、圖像采集卡和計算機，還具有濾光片、自動旋轉(zhuǎn)輪盤和RS-232 ； 在光源箱的正上方安裝一個可自動旋轉(zhuǎn)的輪盤，在該輪盤上沿周向開有圓孔，圓孔中設有 來自可見光和近紅外波段的濾光片，可見光-近紅外攝像頭安裝在自動輪盤上方，自動輪 盤通過RS-232控制其旋轉(zhuǎn)，輪盤每旋轉(zhuǎn)一次，剛好使輪盤上的濾光片與攝像頭的鏡頭完全對準；鹵素燈光源和載物臺設置在光源箱內(nèi)；圖像采集卡與可見光-近紅外攝像頭及計算 機相連接，將可見光_近紅外攝像頭采集到的數(shù)據(jù)傳入計算機；計算機用于存儲數(shù)據(jù)，對數(shù) 據(jù)進行預處理，完成相應的圖像信息和光譜信息特征變量提取，然后將這些特征變量相互 融合，并與數(shù)據(jù)庫中測定的N、P、K含量參考測量值相關聯(lián)，建立葉片中N、P、K含量預測模 型；實測時根據(jù)提取的待測樣本特征變量代入建立的葉片中N、P、K含量的預測模型，得出 N、P、K含量預測結果。附

圖1為濾波片式高光譜成像系統(tǒng)裝置示意圖。為了避免外界雜散光的干擾，本 發(fā)明設計了一個密閉的光源箱，在光源箱的正上方設計一個可自動旋轉(zhuǎn)的輪盤，在該輪盤 上開有6個直徑為25cm的圓孔，有6個來自不同波段的濾光片陷入孔中。在輪盤上方安裝 一個可見光_近紅外攝像頭，自動輪盤通過RS-232控制其旋轉(zhuǎn)，輪盤每旋轉(zhuǎn)一次，剛好使輪 盤上的濾光片與攝像頭的鏡頭完全對準。本發(fā)明的有益效果是基于濾波片式高光譜成像技術的茶樹生長中主要營養(yǎng)信息快速探測方法通過采 集茶樹葉片樣本的高光譜數(shù)據(jù)，提取能表征葉片內(nèi)外特征的圖像和光譜信息；再從特征圖 像中提取顏色、紋理和形狀等特征變量，利用主成分分析從光譜信息中提取主成分特征變 量，并將這些特征變量相互融合；最后結合原子吸收光譜測量的葉片中N、P、K含量的標準 值，通過非線性多變量校正方法構建茶樹葉片N、P、K含量預測模型。待測樣本通過相應的 數(shù)據(jù)采集和特征提取，再用已經(jīng)建立好的模型來預測該樣本的N、P、K含量。本發(fā)明與常規(guī)原子吸收光譜分析方法相比，檢測速度快、操作簡便方便；與單一的 近紅外光譜或計算機視覺技術手段相比，得到的信息更全面，檢測結果的精確性和穩(wěn)定性 都有所提高。本發(fā)明提供的基于濾波片式高光譜成像技術的茶樹生長中營養(yǎng)信息快速探測 方法及裝置，可以實現(xiàn)茶樹生長過程中營養(yǎng)信息快速探測。該發(fā)明為茶園科學精確施肥提 供參考，對提高茶園智能化管理水平、增加茶葉產(chǎn)量和提高茶葉品質(zhì)都有著直接意義。附件說明圖1 本發(fā)明裝置系統(tǒng)示意圖。其中1、可見光-近紅外攝像頭；2、濾光片；3、自動旋轉(zhuǎn)輪盤；4、鹵素燈光源；5、 光源箱；6、茶樹葉片；7、載物臺；8、RS-232 ；9、圖像采集卡；10、計算機圖2 本發(fā)明的方法流程圖。具體實施方法本發(fā)明實例實現(xiàn)步驟參照圖2，實例實現(xiàn)裝置參閱圖1。先選取一批茶樹鮮葉樣本 (一般大于100個樣本)用來進行模型校正，利用濾波片式高光譜成像裝置(如圖1)對鮮 葉樣本進行高光譜數(shù)據(jù)采集；數(shù)據(jù)采集完成以后，通過原子吸收光譜測定其內(nèi)部N、P、K含 量，作為該樣本中N、P、K含量的標準值；再對原始高光譜數(shù)據(jù)降維，提取能反映葉片內(nèi)外特 征的圖像信息和光譜信息；接著，從特征圖像中提取顏色、紋理和形狀等特征變量，從光譜 信息中提取主成分特征變量；最后，將這些特征變量相互融合，結合茶樹葉片中N、P、K含量 的標準值，通過非線性多變量校正方法構建茶樹葉片中N、P、K含量預測模型。接下來就可以對未知葉片樣本進行快速預測。將待測葉片樣本均勻地平鋪在光源 箱5內(nèi)的載物臺7上進行原始數(shù)據(jù)采集；工作時，鹵素燈光源4發(fā)出的光均勻地照射在葉 片樣本上，光在葉片上進行漫反射，然后通過濾光片獲取特定波長光進入可見光_近紅外攝像頭1 ；通過RS-2328控制自動旋轉(zhuǎn)輪盤3的旋轉(zhuǎn)，自動旋轉(zhuǎn)輪盤3每旋轉(zhuǎn)一次，剛好使 輪盤3上的濾光片2與攝像頭1的鏡頭完全對準；每采集一個樣本，輪盤3旋轉(zhuǎn)6次，分別 讓光通過6個不同中心波長濾光片2進入攝像頭1，得到6個不同波長下的圖像，然后進行 疊加形成一個三維的數(shù)據(jù)塊；攝像頭1將采集得到的圖像數(shù)據(jù)通過采集卡9傳輸?shù)接嬎銠C 10。在計算機內(nèi)完成高光譜圖像原始數(shù)據(jù)的預處理、特征變量的提取和信息融合，將這些特 征變量代入預先建立好的預測模型中就可以快速預測待測葉片中N、P、K的含量，并且在計 算機界面上顯示。至此該未知葉片的N、P、K含量測量結束。
權利要求
一種基于高光譜成像技術的茶樹營養(yǎng)信息快速探測方法，其特征在于(1)建立預測模型選取茶樹葉片樣本，先測量樣本葉片中N、P、K三種主要營養(yǎng)元素的含量，作為參考測量結果組成一個數(shù)據(jù)庫；通過基于濾波片式高光譜成像系統(tǒng)獲取茶樹葉片樣本在不同可見光和近紅外波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計算機；計算機對數(shù)據(jù)進行預處理，完成相應的特征提取，然后將這些特征變量與前述建立的數(shù)據(jù)庫中測定的N、P、K含量相關聯(lián)，建立葉片中N、P、K含量的預測模型；(2)進行樣本測試對于待測鮮葉樣本，按照步驟(1)中相同的方式獲取待測樣本高光譜圖像數(shù)據(jù)、數(shù)據(jù)預處理、特征提取，然后將提取的特征變量代入上述建立的N、P、K含量預測模型，得出N、P、K含量預測結果，完成對待測鮮葉樣本的實時檢測。
2.根據(jù)權利要求1所述的方法，其特征在于，所說的高光譜圖像數(shù)據(jù)的采集的具體操 作是將茶樹葉片樣本均勻地平鋪在光源箱內(nèi)的載物臺上方，光源箱內(nèi)鹵素燈提供穩(wěn)定的 光照條件，鹵素燈發(fā)出的光均勻地照射在載物臺上的茶樹葉片上，光在葉片上進行漫反射， 漫反射出來的光通過濾光片獲取特定波長光進入可見光_近紅外攝像頭，攝像頭將采集得 到的圖像數(shù)據(jù)通過采集卡傳輸?shù)接嬎銠C；然后，通過輪盤的旋轉(zhuǎn)，分別讓漫反射光通過不同 波長濾光片進入可見光-近紅外攝像頭，得到不同波長下的圖像，然后進行疊加，形成一個 三維數(shù)據(jù)塊。
3.根據(jù)權利要求2所述的方法，其特征在于，所述的原始數(shù)據(jù)預處理和特征信息提取， 是先通過標準的白板對原始圖像進行黑白校正；對三維數(shù)據(jù)塊進行降維處理，從中提取圖 像信息和光譜信息；接著從圖像信息中提取能描述茶葉葉片的外部特征的紋理、顏色和形 狀等特征變量；從光譜信息提取能放映茶樹葉片內(nèi)部特征的主成分特征變量。
4.根據(jù)權利要求3所述的方法，其特征在于，所述的特征變量融合和預測模型建立，就 是將提取得到光譜特征信息和圖像特征信息進行融合構建聯(lián)合特征變量，再將這些特征變 量與測量的N、P、K含量值相關聯(lián)，通過非線性多變量校正方法構建N、P、K含量預測模型。
5.一種實現(xiàn)茶樹營養(yǎng)信息快速探測方法的濾波片式高光譜成像系統(tǒng)，包括可見光_近 紅外攝像頭、鹵素燈光源、光源箱、載物臺、圖像采集卡和計算機，其特征在于還具有濾光片、自動旋轉(zhuǎn)輪盤和RS-232 ；在光源箱的正上方設有一個可自動旋轉(zhuǎn)的 輪盤，在該輪盤上沿周向開有圓孔，圓孔中設有不同可見光和近紅外波段的濾光片，可見 光_近紅外攝像頭安裝在自動輪盤上方，自動輪盤通過RS-232控制其旋轉(zhuǎn)，輪盤每旋轉(zhuǎn)一 次，剛好使輪盤上的濾光片與攝像頭的鏡頭完全對準；鹵素燈光源和載物臺設置在光源箱 內(nèi)；圖像采集卡與可見光_近紅外攝像頭及計算機相連接，將可見光_近紅外攝像頭采集到 的數(shù)據(jù)傳入計算機；計算機用于存儲數(shù)據(jù)，對數(shù)據(jù)進行預處理，完成相應的圖像信息和光譜 信息特征變量的提取，然后將這些特征變量相互融合，并與數(shù)據(jù)庫中測定的N、P、K含量相 關聯(lián)，建立葉片中N、P、K含量的預測模型；實測時根據(jù)提取的待測樣本特征變量代入建立 的葉片中N、P、K含量的預測模型，得出N、P、K含量預測結果。
全文摘要
本發(fā)明涉及一種基于高光譜成像技術的茶樹生長中主要營養(yǎng)信息快速探測方法及裝置。該方法是先實測樣本葉片中N、P、K三種主要營養(yǎng)元素的含量，作為參考測量結果組成一個數(shù)據(jù)庫；然后獲取茶樹葉片樣本在不同可見光和近紅外波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計算機；對數(shù)據(jù)進行預處理，完成相應的特征提取，然后將這些特征變量與前述建立的數(shù)據(jù)庫中測定的N、P、K含量相關聯(lián)，建立葉片中N、P、K含量的預測模型；之后再將待測樣本通過相應的數(shù)據(jù)采集和特征提取，再用已經(jīng)建立好的模型來預測該葉片中N、P、K的含量。本發(fā)明具有檢測速度快、操作簡便方便、信息更全面的優(yōu)點，檢測結果的精確性和穩(wěn)定性都有所提高。
文檔編號G06K9/46GK101915738SQ20101020885
公開日2010年12月15日 申請日期2010年6月23日 優(yōu)先權日2010年6月23日
發(fā)明者林顥, 歐陽琴, 江輝, 蔡健榮, 趙杰文, 陳全勝 申請人:江蘇大學