[go: up one dir, main page]

CN101059427A - 多光谱成像技术快速无损测量茶树含氮量的方法 - Google Patents

多光谱成像技术快速无损测量茶树含氮量的方法 Download PDF

Info

Publication number
CN101059427A
CN101059427A CN 200710069116 CN200710069116A CN101059427A CN 101059427 A CN101059427 A CN 101059427A CN 200710069116 CN200710069116 CN 200710069116 CN 200710069116 A CN200710069116 A CN 200710069116A CN 101059427 A CN101059427 A CN 101059427A
Authority
CN
China
Prior art keywords
nitrogen content
image
sample
multispectral
calibration
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.)
Pending
Application number
CN 200710069116
Other languages
English (en)
Inventor
何勇
李晓丽
裘正军
冯雷
陆江峰
黄敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN 200710069116 priority Critical patent/CN101059427A/zh
Publication of CN101059427A publication Critical patent/CN101059427A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明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。首先由3CCD多光谱成像仪采集校正样本的多光谱图像信息,建模样本(茶树)的氮含量由国标规定的方法测量得到。得到的图像经过去噪算法提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的反射率值(即特征参数)。通过多元校正算法建立茶树多光谱图像的特征参数与茶树含氮量的定量关系,建立校正模型。然后把待测样本的多光谱图像的特征参数输入校正模型,经过校正模型的测定即得到了该茶树的氮含量。3CCD多光谱成像仪通过RS-232接口与图像接收板连接;图像接收板安装在计算机上。本发明用于快速、准确、非破坏性、在线测量茶树氮含量。

Description

多光谱成像技术快速无损测量茶树含氮量的方法
技术领域
本发明涉及用光学手段分析材料的方法,尤其是涉及一种多光谱成像技术快速无损测量茶树含氮量的方法。
背景技术
氮素营养诊断是茶树营养诊断的核心。氮肥是全世界施用量最大的一类化学肥料,同时也是推荐施肥中最难于准确定量的一种肥料。究其原因,主要是由于缺乏能够准确、迅速、经济地判断作物氮营养状况及确定氮肥需要量的测试方法。长期以来,作物的氮营养诊断和氮肥的推荐施肥都是以实验室常规测试为基础。目前,一般采用凯氏定氮法来测定植物中的氮含量,但测量十分费时和复杂,且需要叶片离体和预处理,不能直接在油菜生长期间进行在线测量。而其它传统测试手段在取样、测定、数据分析等方面也需要耗费大量的人力、物力,时效性差,且通常是破坏性检测,不利于推广应用。
发明内容
为了更加科学合理的给茶树施肥,需要一种无损、快速、实时的茶树含氮量测量方法。本发明的目的是提供了一种多光谱成像技术快速无损测量茶树含氮量的方法,能对茶树氮含量进行快速、准确、非破坏性的在线测量的方法。
本发明采用的技术方案是:
首先建立茶树氮含量校正模型,然后在校正模型的基础上未知样本的氮含量进行测定;该方法的步骤如下:
一、校正模型的建立:
1)收集各种品种、同个品种不同树龄的茶树作为校正集样本,通过3CCD多光谱摄像仪获得茶树冠层的多光谱图像,获得的图像经过去噪提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的在该光谱波长下的反射率值;
2)采用凯氏定氮法测定校正集样本的标准氮含量;
3)运用多元校正算法建立校正集样本的多光谱波长下的反射率值即多光谱图像的特征参数与校正集样本的标准氮含量之间的定量关系,即建立了校正模型;
二、在校正模型的基础上预测样本的氮含量进行测定:
对于预测样本,只要用多光谱摄像仪获得对应波长处的多光谱图像,经过图像接收板送入计算机,经过去噪算法提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的在该光谱波长下的反射率值。把该反射率值输入校正模型,经过校正模型的测定即得到了该的氮含量。
所以本发明只要在有代表性的茶树样本的基础上建立了校正模型就可以实验对未知氮含量茶树的氮含量进行快速、无损、实时、在线的测定。
本发明与背景技术相比,具有的有益效果是:
(1)功能强大,可实现对茶树氮含量的快速、准确、非破坏性、在线的测定。
(2)结构简单,整个测量装置只由一个3CCD多光谱成像仪、一个图像接收板、一台计算机、车载蓄电池、逆变电源转换器、一块标定板和一辆装有机械臂的敞篷车组成。
(3)使用方便,只要将测量装置中的各组成部件按照要求连接起来,对待测量的茶树的多光谱图像进行获取,然后将提取出来的特征信息输入校正模型即可完待测量的茶树的氮含量的测定。
(4)具有良好的经济效益,传统的测量手段在取样、测定、数据分析等方面需要耗费大量的人力、物力,且效性差,本发明因结构简单、制作方便,可以快速、准确的测量茶树氮含量,从而实现实时、无损检测茶树氮素营养水平。
附图说明
附图是多光谱成像技术快速无损测量茶树含氮量的方法的原理框图。
具体实施方式
本系统由3CCD多光谱成像系统、计算机、图像接收板、标定板、敞篷车、机械臂及电源组成。在一辆敞篷车上安装了可将3CCD多光谱成像仪伸展到俯视田间作物位置的机械臂,其最长伸展长度距离为3.5米,最大离地高度为3.5米。车上装备有车载蓄电池和逆变电源转换器,可以为3CCD多光谱成像仪和计算机提供220V交流电。多光谱成像仪将摄入光源经过滤,实时分离成绿(550nm),红(650nm),近红外(800nm)三个波段通道的单色图像,通过数据接收板把图像传输给计算机。
本发明的工作原理如附图所示:
1)获得茶叶及标定板的3CCD多光谱图像。选择各种品种、同个品种不同树龄的茶树建立校正集样本,用3CCD多光谱成像仪来采集茶树的冠层多光谱图像和标定板的多光谱图像信息,多光谱成像仪将摄入光源经过滤,实时分离成绿(550nm),红(650nm),近红外(800nm)三个波段通道的单色图像,然后通过RS-232接口送到图像接收板,在经由图像接收板输入计算机中。
2)获得的图像经过去噪和图像处理来消除背景土壤的影响和外界条件包括太阳光照射强度变化、风、系统移动等造成的误差,得到高质量的图像信息。再经过背景分离去除图中的泥土、树枝等杂物,得到研究对象(茶树冠层)的图像,计算图中冠层叶片和标定板各自的灰度平均值,由于标定板的反射率值是已知的,所以可以基于标定板的灰度平均值建立反射率标定曲线,把茶叶冠层的平均灰度值带入反射率标定曲线,即可算出茶叶冠层的平均反射率。
3)采用凯氏定氮法测定校正集样本的标准氮含量;校正集样本经过图像采集步骤之后,就被用于凯氏定氮法测定校正集样本标准氮含量。
4)对于校正集样本,基于已知的冠层反射率和凯氏定氮法测定的标准氮含量运用多元校正回归算法(偏最小二乘回归、多元线形回归、神经网络、支持向量机等)建立校正模型。校正集样本的多光谱波长下的反射率值作为多元校正回归的自变量,校正集样本的标准氮含量作为因变量,寻找自变量与因变量之间的定量关系,即建立了校正模型;
二、在校正模型的基础上对待测样本的氮含量进行测定:
对于待测样本,只要用多光谱摄像仪获得待测样本和标定板的多光谱图像,经过图像接收板送入计算机,经过去噪算法提高图像质量,再经过背景分离得到研究对象(茶树冠层)的图像,基于标定板和标定反射曲线获得预测样本的冠层平均反射率值。把该反射率值输入校正模型,经过校正模型的测定即得到了预测样本的氮含量。

Claims (1)

1、一种多光谱成像技术快速无损测量茶树含氮量的方法,其特征在于首先建立茶树氮含量校正模型,然后在校正模型的基础上待测样本的氮含量进行测定;该方法的步骤如下:
一,校正模型的建立:
1)选择各种品种、同个品种不同树龄的茶树作为校正集样本,通过3CCD多光谱摄像仪获得茶树冠层的多光谱图像,获得的图像经过去噪提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的在该光谱波长下的反射率值;
2)采用凯氏定氮法测定校正集样本的标准氮含量;
3)运用多元校正算法建立校正集样本的多光谱波长下的反射率值即多光谱图像的特征参数与校正集样本的标准氮含量之间的定量关系,即建立了校正模型;
二、在校正模型的基础上对待测样本的氮含量进行测定:
对于预测样本,只要用多光谱摄像仪获得对应波长处的多光谱图像,经过图像接收板送入计算机,经过去噪算法提高图像质量,再经过背景分离得到研究对象的图像,基于标准反射板和标定反射曲线获得研究对象的在该光谱波长下的反射率值。把该反射率值输入校正模型,经过校正模型的测定即得到了该样本的氮含量。
CN 200710069116 2007-05-29 2007-05-29 多光谱成像技术快速无损测量茶树含氮量的方法 Pending CN101059427A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 200710069116 CN101059427A (zh) 2007-05-29 2007-05-29 多光谱成像技术快速无损测量茶树含氮量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 200710069116 CN101059427A (zh) 2007-05-29 2007-05-29 多光谱成像技术快速无损测量茶树含氮量的方法

Publications (1)

Publication Number Publication Date
CN101059427A true CN101059427A (zh) 2007-10-24

Family

ID=38865646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 200710069116 Pending CN101059427A (zh) 2007-05-29 2007-05-29 多光谱成像技术快速无损测量茶树含氮量的方法

Country Status (1)

Country Link
CN (1) CN101059427A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749290A (zh) * 2012-07-02 2012-10-24 浙江大学 一种樱桃树冠层树枝生长状态的检测方法
CN103558167A (zh) * 2013-10-31 2014-02-05 华南理工大学 一种快速测定腌肉中氯化钠含量的方法
CN106404678A (zh) * 2016-09-06 2017-02-15 合肥工业大学 基于多光谱成像技术的番茄酱中非法添加物快速检测方法
CN107219226A (zh) * 2017-07-24 2017-09-29 中国科学院遥感与数字地球研究所 图像采集装置及增强植被指数监测系统
CN107532997A (zh) * 2015-05-12 2018-01-02 柯尼卡美能达株式会社 植物生长指标测定装置及其方法以及植物生长指标测定系统
CN108982386A (zh) * 2018-07-31 2018-12-11 中国林业科学研究院资源信息研究所 一种檀香叶片全铁含量的多光谱图像确定方法及系统
CN110346305A (zh) * 2019-07-17 2019-10-18 浙江大学 一种测量植物叶片氮含量的方法和装置
CN112903600A (zh) * 2021-01-15 2021-06-04 南京农业大学 一种基于固定翼无人机多光谱影像的水稻氮肥推荐方法
CN114140695A (zh) * 2021-12-17 2022-03-04 青岛农业大学 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
CN118758429A (zh) * 2024-09-06 2024-10-11 四川意龙科纺集团股份有限公司 一种印染染色色差的在线检测系统、方法及介质

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749290A (zh) * 2012-07-02 2012-10-24 浙江大学 一种樱桃树冠层树枝生长状态的检测方法
CN102749290B (zh) * 2012-07-02 2014-12-03 浙江大学 一种樱桃树冠层树枝生长状态的检测方法
CN103558167A (zh) * 2013-10-31 2014-02-05 华南理工大学 一种快速测定腌肉中氯化钠含量的方法
CN103558167B (zh) * 2013-10-31 2016-08-17 华南理工大学 一种快速测定腌肉中氯化钠含量的方法
CN107532997A (zh) * 2015-05-12 2018-01-02 柯尼卡美能达株式会社 植物生长指标测定装置及其方法以及植物生长指标测定系统
CN107532997B (zh) * 2015-05-12 2021-06-18 柯尼卡美能达株式会社 植物生长指标测定装置及其方法以及植物生长指标测定系统
CN106404678A (zh) * 2016-09-06 2017-02-15 合肥工业大学 基于多光谱成像技术的番茄酱中非法添加物快速检测方法
CN107219226A (zh) * 2017-07-24 2017-09-29 中国科学院遥感与数字地球研究所 图像采集装置及增强植被指数监测系统
CN108982386A (zh) * 2018-07-31 2018-12-11 中国林业科学研究院资源信息研究所 一种檀香叶片全铁含量的多光谱图像确定方法及系统
CN110346305A (zh) * 2019-07-17 2019-10-18 浙江大学 一种测量植物叶片氮含量的方法和装置
CN112903600A (zh) * 2021-01-15 2021-06-04 南京农业大学 一种基于固定翼无人机多光谱影像的水稻氮肥推荐方法
CN114140695A (zh) * 2021-12-17 2022-03-04 青岛农业大学 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
CN114140695B (zh) * 2021-12-17 2024-04-26 青岛农业大学 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
CN118758429A (zh) * 2024-09-06 2024-10-11 四川意龙科纺集团股份有限公司 一种印染染色色差的在线检测系统、方法及介质
CN118758429B (zh) * 2024-09-06 2024-11-01 四川意龙科纺集团股份有限公司 一种印染染色色差的在线检测系统、方法及介质

Similar Documents

Publication Publication Date Title
CN101059427A (zh) 多光谱成像技术快速无损测量茶树含氮量的方法
CN101382488B (zh) 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法
CN101936882B (zh) 一种作物氮素和水分无损检测方法及装置
CN103018179B (zh) 一种作物水分胁迫的近红外偏振超光谱成像检测装置和方法
CN102721651A (zh) 基于多光谱图像的植物叶片水分含量的检测方法及系统
CN102564962B (zh) 果树营养成分检测系统及方法
CN103048266B (zh) 一种设施番茄氮磷钾胁迫自动识别方法和装置
CN104614321B (zh) 一种基于光谱图像的作物长势实时监测方法
CN101059426A (zh) 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法
CN109187398A (zh) 一种小麦植株氮含量的高光谱测定方法
CN102590129B (zh) 近红外检测花生中氨基酸含量的方法
CN101692037A (zh) 高光谱图像和独立分量分析植物叶面叶绿素分布的方法
CN111751376B (zh) 一种基于冠层图像特征衍生的水稻氮素营养估算方法
CN101059452A (zh) 基于多光谱成像技术的水果品质无损检测方法与系统
CN108037081A (zh) 一种酿酒葡萄成熟度监测方法和系统
CN108520127A (zh) 一种树种叶面积指数的高光谱反演方法
CN100480681C (zh) 基于近红外光谱的植物生长信息获取装置
CN201041553Y (zh) 基于多光谱成像技术的水果品质无损检测系统
CN114219795A (zh) 一种基于高光谱成像系统的茶树干旱诱导成分及干旱程度评估的预测方法和系统
CN105181606A (zh) 基于高光谱成像技术检测花生中蔗糖含量分布的方法
CN113607669A (zh) 一种基于迁移学习的土壤养分光谱检测方法
CN106841167A (zh) 果蔬农药残留的无损检测方法
CN201780267U (zh) 一种基于反射光谱的大棚作物生长状况自动监测系统
CN113252583A (zh) 一种基于枯草植被指数计算高寒枯草覆盖度的方法
CN210775225U (zh) 基于拉曼光谱的果实成熟度检测与采摘装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication