氮磷钾交互作用下温室作物营养含量检测的方法技术

本发明专利技术氮磷钾交互作用下番茄营养含量检测的方法，涉及温室作物营养含量亏缺诊断技术领域。建立包含氮磷钾交互作用的光谱表达式方程用于定量分析番茄营养胁迫的情况，在数学上表现为足够的组合变量和特征来同时反演作物几种养分的水平、以及养分之间的交互作用等胁迫信息，重点开发了在考虑氮、磷、钾三者交互作用下的番茄营养含量检测模型的建立，获得精度更高精度的检测模型。

【技术实现步骤摘要】
氮磷钾交互作用下温室作物营养含量检测的方法
本专利技术涉及温室作物营养含量亏缺诊断
；特指一种氮磷钾交互作用下诊断番茄营养含量的方法。
技术介绍
番茄(LycopersiconesculentumMill.)是我国温室栽培的主要蔬菜作物之一。氮、磷、钾是番茄生长必需的也是最重要的营养元素，氮、磷、钾营养亏缺会使其生理发生变化，直接影响到产量的高低和口感，进而影响经济效益。植物生理学的研究已经证实，叶片是对营养状况反映最敏感的部位之一，营养亏缺能引起叶片颜色、纹理、粗糙度和气孔等特征发生显著变化，因此，以作物叶片为研究对象诊断营养状况成为近年来研究的热点。国内外科研学者在影响偏振反射光谱监测植物对象特性的单独因素方面开展研究的同时，还考虑到各个因素之间的主次顺序和参数优选。试验因素都不是孤立的，对目标结果的影响具有主次顺序和轻重关系。有研究表明，基于高光谱技术和偏振光谱技术的多信息融合并结合恰当的建模方法可以较大程度的提高模型的精度。但是氮、磷、钾之间是否存在互作关系，即发生氮元素营养胁迫的情况下引起了缺磷或者缺钾的状态，以此类推，在钾元素或者磷元素发生营养胁迫时，是否间接引起了另外两种元素的亏缺。近几年来国内外一些学者主要是将高光谱技术、偏振光谱技术应用于农产品质量以及作物病害的检测中，但未见利用高光谱图像技术、偏振光谱技术来诊断作物氮磷钾交互作用的检测。
技术实现思路
本专利技术建立包含氮磷钾交互作用的光谱表达式方程用于定量分析番茄营养胁迫的情况，在数学上表现为足够的组合变量和特征来同时反演作物几种养分的水平、以及养分之间的交互作用等胁迫信息，重点开发了在考虑氮、磷、钾三者交互作用下的番茄营养含量检测模型的建立，以期获得精度更高精度的检测模型。与以往单独建立某一种元素亏缺的预测模型相比较，综合考虑氮、钾、磷交互作用情况下的营养水平诊断。通过分析氮、磷与钾之间的交互关系，消除互作之间的影响。同时反演作物几种养分的水平以及养分之间的交互作用等胁迫信息时，光谱变量间有谐波关系，在数学上表现为需要足够的组合变量，即从机理上讲方程之间是不相互独立的，从而通过若干特征波长的光谱反射率组合求解和反演得出的氮、磷、钾营养信息对于不同品种、不同生育期及不同营养条件下的检测模型。本专利技术氮磷钾交互作用下温室作物营养含量检测的方法，按照下述步骤进行：(一)、建立氮(N)、磷(P)、钾(K)营养胁迫试验样本，每个营养元素分为五个水平进行处理，(二)、分别建立基于图像特征、光谱特征、偏振度特征的单一特征模型，(三)、定义氮磷钾交互作用的方程式表达，(四)、权重系数矩阵的计算，(五)、确定交互影响系数矩阵，(六)、交互模型的建立，用该模型检测作物是否发生氮磷钾亏缺。其中步骤(一)中每个营养元素分为不同水平进行处理，是指按照在正常配方中氮、磷、钾的正常含量的25％～150％(质量比)。其中步骤(二)中所述的分别建立基于图像特征、光谱特征、偏振度特征的单一特征模型，按照下述步骤进行：(1)偏振光谱采集，指利用偏振光谱采集系统采集温室番茄叶片的偏振光谱。(2)偏振度特征提取，根据斯托克斯公式计算步骤(1)中番茄叶片的的偏振光谱的偏振度。(3)高光谱图像采集，利用高光谱图像采集系统采集番茄叶片的高光谱图像。(4)图像预处理，对步骤(3)中的高光谱图像进行波段筛选、滤波和利用掩膜对图像进行分割。(5)图像纹理特征的提取，对步骤(4)中经预处理后的高光谱图像，首先通过主成分分析得到氮、磷、钾的敏感波长，然后在敏感波长下进行基于二阶概率统计滤波的纹理特征提取。(6)光谱特征的提取，对步骤(5)中提取到的纹理特征，利用区间偏最小二乘法-遗传算法优选特征变量，对光谱特征变量进行提取。(7)模型建立，采用支持向量机建立番茄开花期氮、磷、钾营养含量预测模型，具体按照下述步骤进行：(a)对样本进行归一化预处理，确定输入特征的数量；(b)分别基于网格搜索法(GS)和粒子群优化算法(PSO)对进行支持向量机回归(SVR)参数进行寻优；(c)将偏振度特征、纹理特征和光谱特征采用SVR的特征层融合的方法建立番茄开花期氮、磷、钾营养含量的预测模型。其中步骤(三)中所述的定义氮磷钾交互作用的方程式表达是指利用提取的光谱特征、图像特征、偏振度特征建立交互作用下的氮磷钾检测模型。其中步骤(四)中所述的权重系数矩阵的计算是指对建立的交互作用下的氮磷钾检测模型中的权重系数矩阵进行求解。其中步骤(五)中所述的确定交互影响系数矩阵是指对建立的交互作用下的氮磷钾检测模型中的交互影响系数矩阵进行求解。其中步骤(六)中所述的交互模型的建立是指将权重系数矩阵和交互影响系数矩阵代入交互作用下的氮磷钾检测模型。本专利技术所述的温室作物优选番茄、生菜、黄瓜等。本专利技术的有益效果：本专利技术通过权重系数矩阵和交互影响系数矩阵对模型进一步修正，研究建立了在考虑氮、磷、钾三者交互作用下的番茄营养含量检测模型，预测结果表明该方法能够获得精度更高的检测模型，N、P、K元素的交互模型比单一特征类型模型精度分别平均提高了4.3％，9.0％，3.3％，模型的预测值更接近作物营养含量的真值，为交互作用下作物营养快速无损检测提供新的方法和思路。附图说明图1.高光谱成像系统，其中：1.光箱；2.光源；3.控制器；4.计算机；5.近红外相机；6.成像光谱仪；7.步进电机；8.玻璃光纤灯。图2.偏振光谱采集系统，其中：1.光源；2.光源光纤灯；3.探测光纤；4.旋转测量机构；5.样品台；6.光谱仪；7.微电流计；8.计算机。图3.番茄开花期氮素交互模型实测值和预测值相关图。图4.番茄开花期磷素交互模型实测值和预测值相关图。图5.番茄开花期钾素交互模型实测值和预测值相关图。图6.番茄结果中期氮素交互模型实测值和预测值相关图。图7.番茄结果中期磷素交互模型实测值和预测值相关图。图8.番茄结果中期钾素交互模型实测值和预测值相关图。具体实施方式下面以番茄为例，结合附图对本专利技术进行进一步详细描述。本专利技术具体实施方式中所采用的高光谱图像采集系统参阅图1。利用图1所示的高光谱图像采集系统采集温室番茄叶片高光谱图像，其包括近红外相机5(XEVA-FPA-1.7-320，XenICs，Leuven，Belgium)，光谱范围900-1700nm，成像光谱仪6(ImspectorN17E，SpectralImagingLtd.，Finland)，分辨率为5nm，150W卤钨灯的直流可调光源2(2900-ER+9596-E，IlluminationTechnologies，Inc.，EastSyracuse，NY，USA)，位移单元由步进电机7(MTS120，北京光学仪器厂，北京，中国)和控制器3(SC100，北京光学仪器厂，北京，中国)组成，成像光谱仪可以采集图像传输到计算机4(DELLInspiron530s，USA)中，玻璃光纤灯8为图像的采集提供必要的照明。近红外相机5、成像光谱仪6、步进电机7和玻璃光纤灯8位于光箱1。本专利技术2012年3月至2012年9月在江苏大学现代农业装备与技术教育部重点实验室的Venlo型温室中进行实验。培育品种为辽宁省农业科学院蔬菜研究所培育的L-402。为保证前期的基础性研究能够对番茄分的有效特征进行准本文档来自技高网...

【技术保护点】
氮磷钾交互作用下温室作物营养含量检测的方法，其特征在于按照下述步骤进行：（一）、建立氮（N）、磷（P）、钾（K）营养胁迫试验样本，每个营养元素分为五个水平进行处理，（二）、分别建立基于图像特征、光谱特征、偏振度特征的单一特征模型，（三）、定义氮磷钾交互作用的方程式表达，（四）、权重系数矩阵的计算，（五）、确定交互影响系数矩阵，（六）、交互模型的建立，用该模型检测作物是否发生氮磷钾亏缺。

【技术特征摘要】
1.氮磷钾交互作用下温室作物营养含量检测的方法，其特征在于按照下述步骤进行：（一）、建立氮（N）、磷（P）、钾（K）营养胁迫试验样本，每个营养元素分为五个水平进行处理，（二）、分别建立基于图像特征、光谱特征、偏振度特征的单一特征模型，（三）、定义氮磷钾交互作用的方程式表达，指利用提取的光谱特征、图像特征、偏振度特征建立交互作用下的氮磷钾检测模型；（四）、权重系数矩阵的计算，对建立的交互作用下的氮磷钾检测模型中的权重系数矩阵进行求解；（五）、确定交互影响系数矩阵，指对建立的交互作用下的氮磷钾检测模型中的交互影响系数矩阵进行求解；（六）、交互模型的建立，用该模型检测作物是否发生氮磷钾亏缺；所述的温室作物为番茄。2.根据权利要求1所述的氮磷钾交互作用下温室作物营养含量检测的方法，其特征在于其中步骤（一）中每个营养元素分为不同水平进行处理，是指以质量比计按照在正常配方中氮、磷、钾的正常含量的25%~150％。3.根据权利要求1所述的氮磷钾交互作用下温室作物营养含量检测的方法，其特征在于其中步骤（二）中所述的建立基于图像特征、光谱特征、偏振度特征的单一特征模型，按照下述步骤进行：（1）偏振光谱采集，指利用偏振光谱采集系统采集温室番茄叶片的偏振光谱...

【专利技术属性】
技术研发人员：毛罕平，朱文静，刘红玉，张晓东，高洪燕，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32