一种测量植物叶片氮含量的方法和装置制造方法及图纸

本发明专利技术公开了一种测量植物叶片氮含量的方法和装置，属于光谱分析及人工智能领域，包括以下步骤：(1)获取目标叶片被单一一个特征波段下的光源照射的单波段图像；(2)重复步骤(1)，采集四个特征波段下的图像信息；(3)将采集的四个特征波段的图像组合成一幅四通道的光谱图像；(4)利用所述光谱图像与其对应的含氮量标签对深度学习模型进行训练，得到含氮量预测模型；(5)将训练好的含氮量预测模型移植到AI控制芯片上；(6)对待预测的叶片样本进行信息采集，并利用装有AI控制芯片的AI传感器，预测输出含氮量；(7)通过串口输出含氮量预测结果；(8)显示农田中不同位置的叶片的含氮量的分布图。

A method and device for measuring nitrogen content in plant leaves

【技术实现步骤摘要】
一种测量植物叶片氮含量的方法和装置
本专利技术涉及光谱分析及人工智能领域，具体地说，涉及一种测量植物叶片氮含量的方法和装置。
技术介绍
植物叶片含氮量是体现植物生长状态的重要指标之一，叶片含氮量的检测有助于判断植物的营养状况，对人工施肥的决策具有指导意义。传统的叶片含氮量检测方法主要是破坏性的化学检测方法，需要在实验室环境下进行人工操作，费时费力。随着光谱分析技术的发展，其在农作物信息检测中得到了广泛的应用。在现阶段的研究中，常用大型的光谱仪对植物的各项生理指标进行测量，并取得良好效果；但由于设备体积大、成本高、数据量大、信息存储和处理困难等因素，其在实际中的运用受到很大限制。研究中发现植物叶片的含氮量与叶片中的叶绿素含量有着非常密切的关系，叶绿素含量可以揭示叶片中的含氮量。简言之，植物叶片的绿色程度可以很好地用于含氮量的计算。现有的常用于叶片含氮量检测的手持式装置为SPAD仪，通过两个波段(绿光和近红外光)的透射光信号强度来计算叶片中的氮含量。SPAD仪器的设计也是基于光谱技术，通过在实验室中使用大型光谱仪器扫描待测样本得到光谱数据，采用回归模型建立每一个波长下光谱反射率或吸收率与生理指标之间的数学模型，从中选择一个与含氮量相关性最高的特征波长用于信号检测，再选取一个叶片含氮量相关性较低的近红外波段的一个波长用于消除叶片厚度对检测的影响。仅有两个波段的光源及传感单元组成的检测系统，可准确估计叶片含氮量，且成本较低。但基于透射法设计的检测装置存在必须将激发光源与传感检测单元置于叶片正反两面问题，在实际应用中需要夹持叶片的方式进行检测，给实现快速自动化检测造成困扰。此外，基于光谱相机的检测手段易受环境光照、检测距离、叶片表面附着的尘土等因素的干扰，且成本较高。
技术实现思路
本专利技术的目的为提供一种测量植物叶片氮含量的方法，可以克服现有植物叶片含氮量无法快速自动获取的问题。本专利技术的另一目的为提供一种测量植物叶片氮含量的装置，该装置可实现植物叶片含氮量的快速自动获取。为了实现上述目的，本专利技术提供的测量植物叶片氮含量的方法，包括以下步骤：(1)获取目标叶片被单一一个特征波段下的光源照射的单波段图像；(2)重复步骤(1)，采集四个特征波段下的图像信息；(3)将采集的四个特征波段的图像组合成一幅四通道的光谱图像；(4)利用所述光谱图像与其对应的含氮量标签对深度学习模型进行训练，得到含氮量预测模型；(5)将训练好的含氮量预测模型移植到AI控制芯片上；(6)对待预测的叶片样本进行信息采集，并利用装有AI控制芯片的AI传感器，预测输出含氮量；(7)通过串口输出含氮量预测结果；(8)显示农田中不同位置的叶片的含氮量的分布图。作为优选，步骤(2)中，四个特征波段为：490-500、590-600、630-640和680-690nm。作为优选，步骤(4)中深度学习模型包括四个卷积块和一个全连接网络，其中，每一个卷积块中包括一个卷积层、一个ReLU激活函数和一个最大池化层；卷积层卷积核尺寸为3*3，步长为1，最大池化层的尺寸为3*3，步长为2；全连接网络中包含两个层，每一层的神经元个数分别为256和64。为了实现另一目的，本专利技术提供的测量植物叶片氮含量的装置包括：四组提供特征波长光源的LED，一个光谱成像传感器，一个遮光罩外壳，一个AI控制芯片及外围电路。其中，AI控制芯片通过以下步骤得到：(1)获取目标叶片被单一一个特征波段下的光源照射的单波段图像；(2)重复步骤(1)，采集四个特征波段下的图像信息；(3)将采集的四个特征波段的图像组合成一幅四通道的光谱图像；(4)利用所述光谱图像与其对应的含氮量标签对深度学习模型进行训练，得到含氮量预测模型；(5)将训练好的含氮量预测模型移植到所述AI控制芯片。遮光罩可覆盖待检测样本表面，防止环境光照对成像产生干扰。四组LED光源可作为成像系统的光源，每次仅开启四组LED光源中的一组，照射到叶片表面后，反射光信号进入所述光谱成像传感器。在遮光罩与LED光源的拍摄环境中，稳定的光源照射被检测的对象，无需对获取到的图像再做复杂的背景消除工作。与现有技术相比，本专利技术的有益效果为：本专利技术的装置结构简单、操作方便且成本较低，能提供算法实现所需的环境。利用本专利技术的装置获取叶片的光谱图像，采用深度卷积神经网络模型预测含氮量，数据采集计算均在本专利技术的硬件平台上实现。本专利技术方法采用了光谱分析技术、人工智能、本地计算硬件平台，具有成本较低、工作效率较高、本地计算且准确率较高的优点，无需将数据通过互联网传输到远程服务器进行计算分析。附图说明图1是本专利技术实施例中测量植物叶片氮含量的装置的整体结构示意图；图2是本专利技术实施例中测量植物叶片氮含量的装置的爆炸图；图3是本专利技术实施例中所采用的深度卷积神经网络的模型结构图；图4是本专利技术实施例的测量植物叶片氮含量的装置的工作流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，以下结合实施例及其附图对本专利技术作进一步说明。实施例参见图1和图2，本实施例的测量植物叶片氮含量的装置包括LED光源1、遮光罩外壳2、点阵式光谱图像传感器3、待测样本4、光源及点阵式光谱图像传感器的控制信号线和电源线5、输出接口的引出线6、供电电源线7、充电接口8、锂电池及外围电路9、启动按钮10、测量按钮11、按钮信号线12和AI控制芯片13。遮光罩外壳2开口处覆盖住被待测样本4的表面，形成一个不受环境光照干扰的成像环境。按下测量按钮11，AI控制芯片13输出驱动信号，开启一组LED光源，等待光源稳定后从点阵式光谱图像传感器3中读取数字信号。按上述步骤开启其余三组光源，并获取对应的数字图像信息。13AI控制芯片将获取到的数字信号组合成四通道的光谱点阵图像，利用集成在内的深度卷积神经网络模型处理四通道的光谱点阵图像，计算得到叶片含氮量，并通过串口输出。外部设备可通过输出接口的引出线6以访问本实施例的传感器的输出结果。参见图4，本实施例的传感器需要对点阵图像进行算法处理，包括以下步骤：第一步：建立深度卷积神经网络模型。将采集得到的大量的四通道光谱点阵图像以及对应的采用化学计量学方法测得的待测叶片含氮量存储到计算机端，构建训练数据集。而后采用训练数据集训练图3所示的深度卷积神经网络模型，逐层的卷积运算用于自动提取点阵图像中的光谱特征和纹理特征，得到一个特征向量。随后引入一个全连接网络结构，用于学习建立特征向量与含氮量之间的映射关系。本实施例的深度卷积神经网络模型包括四个卷积块和一个全连接网络，其中，每一个卷积块中包括一个卷积层、一个ReLU激活函数和一个最大池化层；卷积层卷积核尺寸为3*3，步长为1，最大池化层的尺寸为3*3，步长为2；全连接网络中包含两个层，每一层的神经元个数分别为256和64。第二步：在PC端训练好模型后，将模型的结构和权重参数移植固化到AI控制芯片上。第三步：封装传感器，采集新的样本的点阵光谱图像，利用固化在AI控制芯片中的模型计算含氮量并输出。本实施例的测量植物叶片氮含量的方法，包括以下步骤：(1)获取目标叶片被单一一个特征波段下的光源照射的单波段图像；(2)重复步骤(1)，采集四个特征波段下的图像信息；(3)将采集的四个特征波段的图像组合成一幅四通道的光谱图像；(4)利本文档来自技高网...

【技术保护点】
1.一种测量植物叶片氮含量的方法，其特征在于，包括以下步骤：(1)获取目标叶片被单一一个特征波段下的光源照射的单波段图像；(2)重复步骤(1)，采集四个特征波段下的图像信息；(3)将采集的四个特征波段的图像组合成一幅四通道的光谱图像；(4)利用所述光谱图像与其对应的含氮量标签对深度学习模型进行训练，得到含氮量预测模型；(5)将训练好的含氮量预测模型移植到AI控制芯片上；(6)对待预测的叶片样本进行信息采集，并利用装有AI控制芯片的AI传感器，预测输出含氮量。

【技术特征摘要】
1.一种测量植物叶片氮含量的方法，其特征在于，包括以下步骤：(1)获取目标叶片被单一一个特征波段下的光源照射的单波段图像；(2)重复步骤(1)，采集四个特征波段下的图像信息；(3)将采集的四个特征波段的图像组合成一幅四通道的光谱图像；(4)利用所述光谱图像与其对应的含氮量标签对深度学习模型进行训练，得到含氮量预测模型；(5)将训练好的含氮量预测模型移植到AI控制芯片上；(6)对待预测的叶片样本进行信息采集，并利用装有AI控制芯片的AI传感器，预测输出含氮量。2.根据权利要求1所述的测量植物叶片氮含量的方法，其特征在于，还包括以下步骤：(7)通过串口输出含氮量预测结果；(8)显示农田中不同位置的叶片的含氮量的分布图。3.根据权利要求1所述的测量植物叶片氮含量的方法，其特征在于，步骤(2)中，四个特征波段为：490-500、590-600、630-640和680-690nm。4.根据权利要求1所述的测量植物叶片氮含量的方法，其特征在于...

【专利技术属性】
技术研发人员：裘正军，周磊，赵楠，何勇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33