一种返青后到抽穗前冬小麦叶片SPAD值估算方法技术

本发明专利技术公开了一种返青后到抽穗前冬小麦叶片SPAD值估算方法，其步骤如下：(1)、冠层图像采集分析：对冬小麦冠层进行数码图像采集，获取冠层图像色彩参数；(2)、田间叶片SPAD值测定：采集冬小麦冠层数码图像之后，在数码图像采集区，用SPAD‑502型叶绿素计测定最上部展开叶的SPAD值，计算平均值；(3)、估算模型构建：将利用冬小麦叶片SPAD值与对应的冠层图像色彩参数数据，通过集成神经网络方法构建SPAD值估算模型；(4)、估算模型验证：利用相关系数、均方根误差和相对均方根误差对估算模型进行检验；本发明专利技术利用集成神经网络方法建立基于冬小麦冠层图像分析的叶片SPAD值估算模型，有效提高了冬小麦叶片SPAD值监测的准确性。

A to SPAD before heading estimation methods of winter wheat leaves after reviving

The invention discloses a reviving to heading before winter wheat SPAD value estimation method, the steps are as follows: (1) analysis, canopy image acquisition: digital image acquisition on winter wheat canopy, canopy image acquisition parameters; (2) and the measured value of leaves in field SPAD: after the winter wheat canopy digital image acquisition in the area of digital image acquisition, and the determination of SPAD value of upper leaf with SPAD type 502 chlorophyll meter, calculate the average value; (3), estimation model: will use the SPAD value of winter wheat leaf and canopy image color parameters of the corresponding data, construct SPAD value estimation model by integrating neural network method (; 4) estimation, model validation: using correlation coefficient, root mean square error and relative root mean square error was used to test the estimation model; the invention uses the integrated neural network method based on Winter Wheat Canopy image The analytical model for Estimating Leaf SPAD values effectively improved the accuracy of monitoring leaf SPAD values in winter wheat leaves.

【技术实现步骤摘要】
一种返青后到抽穗前冬小麦叶片SPAD值估算方法
本专利技术涉及的是作物生化组分可见光光谱无损监测
，具体的说是一种返青后到抽穗前冬小麦叶片SPAD值估算方法。
技术介绍
叶绿素是植物光合作用中吸收和传递光能的主要色素，且与植株氮含量密切相关，因此植物叶片叶绿素含量也成为表征植物光合能力和氮素营养状况的重要指标，无损、准确地估算叶绿素含量对作物长势及氮素营养状态的监测具有重要意义。传统的叶绿素含量检测方法主要有分光光度法、高效液相色谱法和原子吸收法等，这些方法需要田间破坏性取样和室内分析，操作费时、费力。SPAD仪(SoilandPlantAnalyzerDevelopment，SPAD-502)是基于叶绿素对红光(650nm)的强吸收和对远红外光(940nm)的低吸收特性研制出的便携式叶绿素相对含量测量装置，测量结果用SPAD值表示，其读数(SPAD值)与叶绿素含量有很强的相关关系，能反映叶片叶绿素相对含量。作为一种方便、快捷的无损监测手段，SPAD仪已广泛应用于作物氮素营养状态诊断和施肥推荐，但由于SPAD叶绿素计的测量面积较小，实际应用中需要进行大量的逐点测量，且叶片测定位置不同所带来的差异也较大，因此很多学者研究利用高光谱技术反演作物叶片的SPAD值。然而高光谱技术所需设备价格昂贵，在田间应用还存在一定的难度。
技术实现思路
本专利技术的目的在于针对现有技术的缺陷和不足，提供了一种基于冠层图像分析的返青后到抽穗前冬小麦叶片SPAD值估算方法，利用集成神经网络方法建立基于冬小麦冠层图像分析的叶片SPAD值估算模型，有效提高了冬小麦叶片SPAD值监测的准确性。为实现上述目的，本专利技术采用的技术方案是：一种返青后到抽穗前冬小麦叶片SPAD值估算方法，其步骤如下：1、冠层图像采集分析：对冬小麦冠层进行数码图像采集，获取冠层图像色彩参数；2、田间叶片SPAD值测定：采集冬小麦冠层数码图像之后，在数码图像采集区，用SPAD-502型叶绿素计测定最上部展开叶的SPAD值，计算平均值；3、估算模型构建：将利用冬小麦叶片SPAD值与对应的冠层图像色彩参数数据，通过集成神经网络方法构建SPAD值估算模型；4、估算模型验证：利用相关系数、均方根误差和相对均方根误差对估算模型进行检验。进一步，所述冠层图像色彩参数为红光亮度值、绿光亮度值和蓝光亮度值，并将其转换为HSV色彩空间的H(色相)、S(饱和度)和V(明度)。进一步，所述的估算模型验证中分别对模型参数的各个候选值进行20次5折交叉验证和外部数据验证。与现有技术相比，本专利技术的有益效果为：1、本专利技术采用了集成神经网络方法建立基于冬小麦冠层图像分析的叶片SPAD值估算模型，与传统破坏性田间取样调查方法相比，具有经济、高效等特点；且能克服SPAD仪测定方法在实际应用中需要进行大量的逐点测量，且叶片测定位置不同所带来的误差较大等问题，有效的提高了冬小麦叶片SPAD值监测的准确性。2、本专利技术基于冠层图像分析和集成神经网络方法的冬小麦叶片SPAD值估算模型可提高冬小麦叶片SPAD值估算精度，适合田间水平的冬小麦叶片SPAD值的估算。附图说明图1是本专利技术的流程示意图；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本专利技术，并不用于限定本专利技术。参看图1，本具体实施方式采用以下技术方案：一种返青后到抽穗前冬小麦叶片SPAD值估算方法，其步骤如下：1、冠层图像采集分析：对冬小麦冠层进行数码图像采集，获取田间冠层图像色彩参数，冠层图像色彩参数为色相(H)、饱和度(S)和明度(V)；2、田间叶片SPAD值测定：采集冬小麦冠层数码图像之后，在数码图像采集区，用SPAD-502型叶绿素计测定最上部展开叶的SPAD值，计算平均值；3、估算模型构建：将利用叶片SPAD值与对应的冠层图像色彩参数数据，通过集成神经网络方法构建SPAD值估算模型，而多个神经网络集成起来能提高模型的估算能力，主要表现在预测能力和泛化性能方面好于单个人工神经网络；4、估算模型验证：利用相关系数、均方根误差和相对均方根误差对估算模型进行检验，估算模型验证中分别对模型参数的各个候选值进行20次5折交叉验证和外部数据验证。本具体实施方式的工作原理：冬小麦叶片SPAD值与由冠层图像分析获取的色相(H)、饱和度(S)和明度(V)呈显著相关，其中色相(H)与叶片SPAD值的相关性最强，鉴于上述结论，本专利技术利用集成神经网络方法构建了叶片SPAD值的估算模型，并利用外部数据验证和交叉验证方法验证了估算模型的估算精度和泛化性能。集成神经网络方法相对于单个神经网络方法更适合于建立基于冠层图像分析的冬小麦叶片SPAD值估算模型。对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。本文档来自技高网...

【技术保护点】
一种返青后到抽穗前冬小麦叶片SPAD值估算方法，其特征在于：步骤如下：(1)、冠层图像采集分析：对冬小麦冠层进行数码图像采集，获取冠层图像色彩参数；(2)、田间叶片SPAD值测定：采集冬小麦冠层数码图像之后，在数码图像采集区，用SPAD‑502型叶绿素计测定最上部展开叶的SPAD值，计算平均值；(3)、估算模型构建：将利用冬小麦叶片SPAD值与对应的冠层图像色彩参数数据，通过集成神经网络方法构建SPAD值估算模型；(4)、估算模型验证：利用相关系数、均方根误差和相对均方根误差对估算模型进行检验。

【技术特征摘要】
1.一种返青后到抽穗前冬小麦叶片SPAD值估算方法，其特征在于：步骤如下：(1)、冠层图像采集分析：对冬小麦冠层进行数码图像采集，获取冠层图像色彩参数；(2)、田间叶片SPAD值测定：采集冬小麦冠层数码图像之后，在数码图像采集区，用SPAD-502型叶绿素计测定最上部展开叶的SPAD值，计算平均值；(3)、估算模型构建：将利用冬小麦叶片SPAD值与对应的冠层图像色彩参数数据，通过集成神经网络方法构建SPAD值估算模型；(4)、估算模型验...

【专利技术属性】
技术研发人员：崔日鲜，刘亚东，
申请(专利权)人：青岛农业大学，
类型：发明
国别省市：山东,37