一种叶类蔬菜产量预测方法技术

本发明专利技术公开了一种叶类蔬菜产量预测方法,旨在克服目前产量的离体预测、估计方法具有局限性的问题，叶类蔬菜产量预测方法的步骤：1.基本参数获取；2.数据存储及处理；3.单株测产：(1)叶片质量预测；(2)单株生菜产量预测：m株＝11.297m叶+48.827；4.区域测产：(1)利用单株生菜产量预测模型，选取所测区域内的10株生菜进行测量和产量预测，得到区域单株生菜的平均质量，以此作为所测区域内的产量的平均值；(2)将区域内单株生菜的平均质量与采集的区域内生菜图像计算的生菜个数进行乘积，作为区域内的生菜产量数据：M＝m平×N；式中：M—区域生菜总产量，m平—单株生菜平均质量，N—所测区域内生菜数量。

A method for predicting leaf vegetable yield

The invention discloses a method for prediction of leaf vegetable yield, to overcome the current output from the estimated prediction method, has limitation, leafy vegetable yield prediction method steps: obtaining 1. basic parameters; 2. data storage and processing; 3. per plant yield: (1) the leaf quality prediction; (2 the yield of lettuce per plant) forecast: M = 11.297m +48.827 4. plant leaves; regional yield: (1) prediction model using plant lettuce yield, the selected region of the 10 strains of lettuce were predicted and measured the average yield, quality of lettuce plants in this region, as measured by the average area of the output value; (2) the average number of lettuce quality and collection area per plant lettuce in the regions of the image of the product of lettuce, lettuce as yield data in the region: M = m * N; type: M - total production area of lettuce, M The average quality of individual lettuce, N - the number of lettuce in the measured area.

【技术实现步骤摘要】
一种叶类蔬菜产量预测方法
本专利技术涉及叶类蔬菜质量检测领域的一种方法，更确切地说，本专利技术涉及一种叶类蔬菜产量的预测方法。
技术介绍
蔬菜是人们日常生活必不可少的食物，目前对蔬菜的需求量呈逐年升高的趋势，2014年我国蔬菜年产量为76005万吨，居世界第一位。但在有些地区由于受到季节性、区域性等因素影响导致市场出现供需不平衡等问题，蔬菜的大批量生产可有效缓解地区的供需矛盾问题。截止2015年，我国温室总面积达到410.9万公顷，与2009年相比，总面积增长210.9％，占世界设施农业面积的85％，我国温室面积增长103％，塑料大棚面积增长95.4％，其中设施蔬菜的生产面积占总面积的94.7％，全国育苗移栽蔬菜种苗需求量约为6800亿株，目前集约化育苗供苗量约800亿株，发展空间巨大。随着温室蔬菜供应数量的增加，对保证食品品质提出更加严格的要求，因此温室蔬菜的优质高产至关重要，同时保证蔬菜品质、准确预测蔬菜产量对于温室种植品种调配、水肥环境控制、精确市场供应等方面都具有重要的意义。目前针对作物果蔬等品质与产量的预测方法主要集中于图像识别、灰度预测、回归建模、种植经验估计等方法，各种先进方法的运用有利于叶类蔬菜产量和品质的保证，但也存在一定的局限性，温室蔬菜的形状各异、种类繁多，作物叶片自身的褶皱或植株的生长难免形成遮挡等因素都影响着图像识别采集的精准度，如白菜、生菜、萝卜等；作物生长的采样点数据量较大，需要强大的数据挖掘算法，而灰度预测只能针对小样本数据进行预测，预测能力有限；凭借着种植者或专家经验的方法对产量进行估计虽然具有一定的准确性，但对于作物的生产过程管理如水肥控制、精确市场供应等问题意义较大。利用回归模型的方法建立作物的产量预测是一种常见手段，准确性较高，选择合适的建模方法对于建模的准确性至关重要。
技术实现思路
本专利技术所要解决的技术问题是克服了现有技术存在的产量的离体预测、估计方法具有局限性的问题，提供了一种叶类蔬菜产量预测方法。为解决上述技术问题，本专利技术是采用如下技术方案实现的：所述的一种叶类蔬菜产量预测方法的步骤如下：1)基本参数获取；2)数据存储及处理；3)单株测产；4)区域测产：(1)利用单株生菜产量预测模型，选取所测区域内的10株生菜进行测量和产量预测，得到区域单株生菜平均质量，以此作为所测区域内的产量的平均值；式中：m平——所测区域内单株生菜的平均质量，m株1——所测区域内任选1株生菜，m株n——所测区域内任选n株生菜，n——所测区域内用来计算平均质量的生菜个数；(2)将区域内单株生菜的平均质量与采集的区域内生菜图像计算的生菜个数进行乘积，作为区域内的生菜产量数据：M＝m平×N式中：M——区域生菜总产量，m平——单株生菜平均质量，N——所测区域内生菜数量。技术方案中所述的基本参数获取是指：1)无损检测(1)制作叶片图像采集标准板以半径长为15cm做半圆形标准板，在半圆形标准板上以半径1cm为间隔、圆心角5°为间隔画出间隔线，将叶片平铺于标准板上，根据标准板检测结果确定叶片的长度x1、叶片面积x2；(2)将整株生菜中最大叶片放置在半圆形标准板上，采用手机、相机或其它便携式图像采集设备摄取图像，得到生菜叶片的圆心角与半径数据，以用来测算叶片长度x1和叶片面积x2:通过读取标准板，直接获得叶片的长度x1、圆心角α，计算叶面积x2,叶片面积x2计算公式为x2＝(α×π×x12)/360°式中：α—叶片圆心角，单位.°；x1—叶片长度，单位.cm；(3)利用便携式叶绿素荧光光谱采集仪测量叶片的叶绿素荧光光谱；本专利技术选择在晴朗无风的天气测量，测量时间为上午的9-11点，每株作物选择5片成熟的叶片作为检测对象，每个叶片取不同位置的5个点作为测量点，每点测量3次作为该点平均值，取不同位置的5个点作为该叶片的平均值，取5片叶片的平均值作为整株作物的平均值；2)破坏检测。技术方案中所述的破坏检测是指：1)将整株生菜植株拔出，断根取地上部分称重，其质量值作为建模输出数据y值；2)将检测的生菜最大单叶片剪碎放至烘箱中烘干，烘干时间为8小时，取出后自然冷却，隔10分钟测量一次，连续两次测量烘干后的干物质重量差值小于0.01g，作为烘干后的干物质量，计算叶片的含水率；计算公式如下：式中：x3—叶片含水率，m1—烘干前质量，m0—烘干后质量。技术方案中所述的数据存储及处理是指：1)将无损检测步骤中获得的叶片面积、叶片长度、叶绿素荧光光谱、叶片重量与叶片含水率数据输入计算机存储；2)对所得到的参数进行相关性分析，减少数据的建模维数，利用MATLAB软件调取“corrcoef”相关系数函数计算叶片含水率、叶片面积、叶片长度和叶片重量的相关系数R，以相关系数R大于0.9作为评价标准，得到的相关系数分别为0.9434、0.9361、0.9666，将叶片含水率、叶片面积、叶片长度作为建立模型的输入数据X值；3)利用叶绿素荧光光谱预测叶片含水率；4)生菜个数确定。技术方案中所述的利用叶绿素荧光光谱预测叶片含水率是指:(1)不同含水率的叶片的叶绿素荧光光谱在500～800nm表现出不同的强度变化，因此选择500～800nm波段作为叶片含水率建模的研究对象；(2)利用MATLAB软件调用“diff”求导函数运行2次，得到二阶导数光谱，每条光谱曲线由523维降至521维；(3)对二阶导数光谱进行波段筛选降维，分别对各波段与叶片含水率建立预测模型，将相关系数R大于0.8的波段作为建立模型的输入波段，得到波段为661-740nm；(4)采用支持向量机作为建立模型的方法，将二阶导数光谱的661-740nm波段作为输入向量xi值，以叶片含水率作为输出向量yi值，采用支持向量机方法进行回归，设样本数据的回归函数为：其中：K(x·xi)为核函数，αi，b为模型参数，采用的核函数为RBF核函数：其中：x为预测集中的样本；模型的训练采用MATLAB工具箱中的“trainlssvm”训练模型函数完成，得到模型参数如下:b＝[0.9081.261]1×2gam＝22.2895，σ2＝0.13256。gam表示正规化参数，决定了适应误差的最小化和平滑程度。技术方案中所述的生菜个数确定是指：1)生菜以土筑畦种植，生菜生长的后期叶片之间形成遮挡，所采集图像的无法区分生菜的株数，因此以畦为单位，以土与生菜的颜色进行区分，以生菜种植的行距、株距为单位制作非绿色标准距离板，像素q为25k，以此为标准对获取的畦的图像进行分割，每畦分割的数量作为每畦生菜的个数；2)将标准距离板放置于所要测量的生菜畦内，获取所要测量的区域图像；将获取的图像进行滤波、锐化、灰色处理，利用MATLAB软件Canny边缘算子对灰度图像进行边缘获取，再利用MATLAB软件图像处理工具箱调取“regionprops”度量图像区域函数，得到所测的图像像素值Q，将图像Q值与标准距离板q进行比值，得到生菜个数，计算公式如下：N＝Q/q式中：N——生菜个数，Q——所测图像像素，q——标准距离板像素。技术方案中所述的单株测产是指：(1)叶片质量预测以叶片长度x1、叶片面积x2、叶片含水率x3作为模型的输入值，以叶片质量作为输出值m叶，利用SPSSStatistics统计软件进行数据处理，进行多本文档来自技高网...

【技术保护点】
一种叶类蔬菜产量预测方法,其特征在于，所述的一种叶类蔬菜产量预测方法的步骤如下：1)基本参数获取；2)数据存储及处理；3)单株测产；4)区域测产：(1)利用单株生菜产量预测模型，选取所测区域内的10株生菜进行测量和产量预测，得到区域单株生菜平均质量，以此作为所测区域内的产量的平均值；

【技术特征摘要】
1.一种叶类蔬菜产量预测方法,其特征在于，所述的一种叶类蔬菜产量预测方法的步骤如下：1)基本参数获取；2)数据存储及处理；3)单株测产；4)区域测产：(1)利用单株生菜产量预测模型，选取所测区域内的10株生菜进行测量和产量预测，得到区域单株生菜平均质量，以此作为所测区域内的产量的平均值；式中：m平——所测区域内单株生菜的平均质量，m株1——所测区域内任选1株生菜，m株n——所测区域内任选n株生菜，n——所测区域内用来计算平均质量的生菜个数；(2)将区域内单株生菜的平均质量与采集的区域内生菜图像计算的生菜个数进行乘积，作为区域内的生菜产量数据：M＝m平×N式中：M——区域生菜总产量，m平——单株生菜平均质量，N——所测区域内生菜数量。2.按照权利要求1所述的一种叶类蔬菜产量预测方法,其特征在于，所述的基本参数获取是指：1)无损检测(1)制作叶片图像采集标准板以半径长为15cm做半圆形标准板，在半圆形标准板上以半径1cm为间隔、圆心角5°为间隔画出间隔线，将叶片平铺于标准板上，根据标准板检测结果确定叶片的长度x1、叶片面积x2；(2)将整株生菜中最大叶片放置在半圆形标准板上，采用手机、相机或其它便携式图像采集设备摄取图像，得到生菜叶片的圆心角与半径数据，以用来测算叶片长度x1和叶片面积x2:通过读取标准板，直接获得叶片的长度x1、圆心角α，计算叶面积x2,叶片面积x2计算公式为x2＝(α×π×x12)/360°式中：α—叶片圆心角，单位.°；x1—叶片长度，单位.cm；(3)利用便携式叶绿素荧光光谱采集仪测量叶片的叶绿素荧光光谱；本发明选择在晴朗无风的天气测量，测量时间为上午的9-11点，每株作物选择5片成熟的叶片作为检测对象，每个叶片取不同位置的5个点作为测量点，每点测量3次作为该点平均值，取不同位置的5个点作为该叶片的平均值，取5片叶片的平均值作为整株作物的平均值；2)破坏检测。3.按照权利要求2所述的一种叶类蔬菜产量预测方法,其特征在于，所述的破坏检测是指：1)将整株生菜植株拔出，断根取地上部分称重，其质量值作为建模输出数据y值；2)将检测的生菜最大单叶片剪碎放至烘箱中烘干，烘干时间为8小时，取出后自然冷却，隔10分钟测量一次，连续两次测量烘干后的干物质重量差值小于0.01g，作为烘干后的干物质量，计算叶片的含水率；计算公式如下：式中：x3—叶片含水率，m1—烘干前质量，m0—烘干后质量。4.按照权利要求1所述的一种叶类蔬菜产量预测方法,其特征在于，所述的数据存储及处理是指：1)将无损检测步骤中获得的叶片面积、叶片长度、叶绿素荧光光谱、叶片重量与叶片含水率数据输入计算机存储；2)对所得到的参数进行相关性分析，减少数据的建模维数，利用MATLAB软件调取“corrcoef”相关系数函数计算叶片含水率、叶片面积、叶片长度和叶片重量的相关系数R，以相关系数R大于0.9作为评价标准，得到的相关系数分别为0.9434、0.9361、0.9666，将叶片含水率、叶片面积、叶片长度作为建立模型的输入数据X值；3)利用叶绿素荧光光谱预测叶片含水率；4)生菜个数确定。5.按照权利要求4所述的一种叶类蔬菜产量预测方法,其特征在于，所述的利用叶绿素荧光光谱预测叶片含水率是指:(1)不同含水率...

【专利技术属性】
技术研发人员：隋媛媛，朱博，于海业，张雨晴，刘爽，孔丽娟，徐贺，李永强，谢龙，肖英奎，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22