一种番茄叶绿素含量多光谱估测方法技术

技术编号:18287410 阅读:64 留言:0更新日期:2018-06-24 01:26
本发明专利技术涉及一种番茄叶绿素含量多光谱估测方法,包括:根据8个对番茄叶绿素含量敏感的波段,获取8张不同波段下的多光谱图像;其中,8个对番茄叶绿素含量敏感的波段分别为520、560、640、670、700、760,800和870nm;然后经叶绿素含量测定、最大叶面积叶片提取、反射率重建、多光谱图像特征定义及选取、偏最小二乘建模,最终提出了一种高精度的番茄叶绿素估测模型,即使是面对复杂的叶片重叠的番茄群体也能较好应对,得到较高精度的叶绿素估测结果,为利用多光谱图像技术无损、快速、高效的估测番茄冠层叶绿素含量研究提供理论依据。

【技术实现步骤摘要】
一种番茄叶绿素含量多光谱估测方法
本专利技术涉及作物叶绿素估测
,尤其涉及一种番茄叶绿素含量多光谱估测方法。
技术介绍
作物在生长过程中,位于类囊体膜内的叶绿素直接影响作物代谢活动和产量形成,是参与光合作用的主要色素,也是合成作物叶片氮素的重要组成部分。因此,在对番茄生长状态和营养水平进行监测和分析的过程中,叶绿素含量起到重要作用。在实际应用中,通常利用光谱分析技术检测番茄叶片叶绿素含量,因为叶绿素含量与其生长状态下的光谱反射率间存在相关性。目前,利用ASD等光谱辐射仪获取作物冠层的反射光谱信息,存在视场角狭小、数据处理复杂的弊端;传统的数字图像仅包含3个通道,数据集有限且不一定能很好地表征作物的营养状态。而多光谱相机拓展了图像研究波段,提供了更为丰富的光谱和图像特征,通过分析多光谱图像,提取作物颜色、形状、纹理、分布等特征,为作物营养诊断提供技术支持。但是,AOTF声光可调谐及LCTF液晶可调谐多光谱成像系统,存在单级滤光片滤光性能有限,制作工艺复杂、成本高等不足;多相机组合型、光束分离型及面阵CCD加Bayer滤光片型成像系统,则存在带宽粗放等缺陷,只能同步采集R、G、B、NIR等少数波段图像,不能满足番茄营养诊断的实际应用。此外,国内研究大多局限于结构简单、理想化的初期幼苗的单体,对于复杂的叶片重叠的群体问题不仅研究甚少,即使少数研究略有涉及,估测精度也较低,并且对复杂光照条件的番茄叶绿素诊断研究较少。
技术实现思路
本专利技术所要解决的技术问题是提供一种番茄叶绿素含量多光谱估测方法,以克服现有光谱成像系统的缺点,建立高精度的叶绿素估测模型,使其有效应对复杂的叶片重叠的番茄群体。为解决上述问题,本专利技术所述的一种番茄叶绿素含量多光谱估测方法,包括:(1)将标准发射板与叶片置于同一视场,根据8个对作物叶绿素含量敏感的波段,利用相机对同一场景下的作物冠层分别获取8张不同波段下的多光谱图像;其中,8个对作物叶绿素含量敏感的波段分别为520、560、640、670、700、760,800和870nm;(2)在作物冠层叶片中选取叶面积最大的叶片,测定叶绿素含量;(3)提取每张多光谱图像中的最大叶面积叶片,针对所述标准反射板中T2~T4三个色块,对每张多光谱图像对应的最大叶面积叶片进行反射率重建并求取平均值;(4)将8个平均反射率两两组合构建归一化植被指数,并将得到的28个植被指数连同这8个平均反射率共同定义为36个多光谱图像特征;(5)对36个多光谱图像特征和所述叶绿素含量进行相关分析,选取相关性超过0.75的多光谱图像特征作为叶绿素含量的多光谱特征;(6)利用所述叶绿素含量的多光谱特征进行偏最小二乘回归建模,得到叶绿素含量估测模型,并利用所述叶绿素含量估测模型对叶绿素含量进行估测即可。优选地,在步骤(1)中使用FLIMLx205型相机并搭载CFW-1-8-28自动滤光片轮获取所述多光谱图像。优选地,在步骤(2)中利用紫外可见分光光度计测定叶绿素含量。优选地,在步骤(3)中先对每张多光谱图像进行形态学梯度计算,然后利用基于小波变换的分水岭算法,提取每张多光谱图像中的最大叶面积叶片。本专利技术与现有技术相比具有以下优点:1、本专利技术番茄叶绿素含量多光谱估测方法中,(1)获取对作物叶绿素含量敏感的8通道图像,克服了传统数字图像数据集有限且不一定能很好地表征作物营养状态的弊端;(2)对最大叶片进行提取,解决遥感尺度与实验室测量往往不完全匹配的弊端;(3)通过各通道图像进行的反射率重建,在一定程度上解决了由自然光照造成的图像质量下降问题。综上,本专利技术建立了一种高精度的叶绿素估测模型,即使是面对复杂的叶片重叠的番茄群体也能较好应对,得到较高精度的叶绿素估测结果,为利用多光谱图像技术无损、快速、高效的估测番茄冠层叶绿素含量研究提供理论依据。2、本专利技术中进一步使用FLIMLx205型相机并搭载CFW-1-8-28自动滤光片轮获取多光谱图像,克服了光谱测量存在的视场角狭小、数据处理复杂的弊端。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明。图1为本专利技术实施例提供的步骤流程图。图2为本专利技术实施例提供的光谱去包络线与叶绿素相关性分析曲线图。图3为本专利技术实施例提供的多光谱图像特征与叶绿素含量相关性分析结果图。图4为本专利技术实施例提供的偏最小二乘回归建模结果图。具体实施方式参考图1示出的步骤流程图,本专利技术实施例提供了一种番茄叶绿素含量多光谱估测方法,其以温室栽培番茄为研究对象,经作物冠层多光谱图像获取、最大叶面积叶片提取、反射率重建、多光谱图像特征定义及选取、偏最小二乘建模,最终提出了一套番茄叶绿素含量估测方法,该方法包括以下具体步骤:(1)将标准发射板与叶片置于同一视场,根据8个对作物叶绿素含量敏感的波段,利用相机对同一场景下的作物冠层分别获取8张不同波段下的多光谱图像。其中,8个对作物叶绿素含量敏感的波段分别为520、560、640、670、700、760,800和870nm。原因是:根据专利技术人前期光谱试验,进行了光谱去包络线与叶绿素含量的相关分析,结果如图2所示,研究发现在蓝边(约520nm)、黄边(约640nm)、红边(约700nm)、绿峰(约560nm)、红谷(约670nm)、近红外760,800,870nm存在极值点。因此,选取上述8个波段构造多光谱成像系统,使其能更好地反应叶绿素含量,以克服传统数字图像数据集有限且不一定能很好地表征作物的营养状态的弊端。具体地,将LabsphereMS100型标准反射板与叶片置于同一视场,使用FLIMLx205型相机并搭载CFW-1-8-28自动滤光片轮获取同一场景下的8张不同波段下的作物冠层图像(即多光谱图像)。表1为标准反射板由浅到深4个色块(T1、T2、T3、T4)在R、G、B、NIR通道的平均反射率。(2)在作物冠层叶片中选取叶面积最大的叶片,测定其叶绿素含量。具体地,剔除叶脉、剪碎、置由丙酮和无水乙醇按2:1配比的萃取液中,在阴暗处浸泡24h后,使用752型紫外可见分光光度计测量652nm处的吸光度值,按计算叶绿素含量。其中,通过叶绿素含量可以了解植物硝基需求量,还可以推算出氮肥的含量。另外,根据各步骤之间的关联性可见,叶绿素含量的测定实际上只要在步骤(5)之前完成即可。(3)提取每张多光谱图像中的最大叶面积叶片,针对标准反射板中T2~T4三个色块,对每张多光谱图像对应的最大叶面积叶片进行反射率重建并求取平均值。对于最大叶面积叶片的提取,先对每张多光谱图像进行形态学梯度计算,然后利用基于小波变换的分水岭算法,提取每张多光谱图像中的最大叶面积叶片;具体内容见下。①形态学梯度计算选取NIR分量进行形态学梯度计算,其中,为形态学梯度图像,为原始图像,为形态学结构元素,为形态学膨胀运算,为形态学腐蚀运算。其结果去除了大量由叶脉、光照等引起的叶片内纹理。②小波标记先对去复杂背景的NIR图像采用db4小波函数进行4层小波分解,取低频系数重构近似图像,再经过H-maxima变换(H极大值变换),最终选取阈值为18,将大于18的极大值作为标记。③小波分水岭变换及最大面积叶片提取因为叶绿素测定针对的是叶面积最大叶片,而拍摄的番茄冠层图像中叶片多且重叠。所以首先需要使用适当的图像本文档来自技高网...
一种番茄叶绿素含量多光谱估测方法

【技术保护点】
1.一种番茄叶绿素含量多光谱估测方法,其特征在于,包括:(1)将标准发射板与叶片置于同一视场,根据8个对番茄叶绿素含量敏感的波段,利用相机对同一场景下的作物冠层分别获取8张不同波段下的多光谱图像;其中,8个对番茄叶绿素含量敏感的波段分别为520、560、640、670、700、760,800和870nm;(2)在作物冠层叶片中选取叶面积最大的叶片,测定叶绿素含量;(3)提取每张多光谱图像中的最大叶面积叶片,针对所述标准反射板中T2~T4三个色块,对每张多光谱图像对应的最大叶面积叶片进行反射率重建并求取平均值;(4)将8个平均反射率两两组合构建归一化植被指数,并将得到的28个植被指数连同这8个平均反射率共同定义为36个多光谱图像特征;(5)对36个多光谱图像特征和所述叶绿素含量进行相关分析,选取相关性超过0.75的多光谱图像特征作为叶绿素含量的多光谱特征;(6)利用所述叶绿素含量的多光谱特征进行偏最小二乘回归建模,得到叶绿素含量估测模型,并利用所述叶绿素含量估测模型对叶绿素含量进行估测即可。

【技术特征摘要】
1.一种番茄叶绿素含量多光谱估测方法,其特征在于,包括:(1)将标准发射板与叶片置于同一视场,根据8个对番茄叶绿素含量敏感的波段,利用相机对同一场景下的作物冠层分别获取8张不同波段下的多光谱图像;其中,8个对番茄叶绿素含量敏感的波段分别为520、560、640、670、700、760,800和870nm;(2)在作物冠层叶片中选取叶面积最大的叶片,测定叶绿素含量;(3)提取每张多光谱图像中的最大叶面积叶片,针对所述标准反射板中T2~T4三个色块,对每张多光谱图像对应的最大叶面积叶片进行反射率重建并求取平均值;(4)将8个平均反射率两两组合构建归一化植被指数,并将得到的28个植被指数连同这8个平均反射率共同定义为36个多光谱图像特征;(5)对3...

【专利技术属性】
技术研发人员:丁永军张晶晶海波蓝才会朱小军岳建斌姚海龙孟从从
申请(专利权)人:兰州城市学院
类型:发明
国别省市:甘肃,62

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1