一种氮含量自动检测方法、系统、电子设备及介质技术方案

本发明专利技术公开了一种氮含量自动检测方法、系统、电子设备及介质，涉及氮含量检测领域，所述方法，包括：根据目标作物的品种和生长时期，从预测模型库中选择相应的最优氮含量预测模型，得到目标模型；基于目标作物的光谱图像，采用目标模型对目标作物的氮含量进行检测，得到氮含量预测值；预测模型库中包括不同品种不同生长时期的最优氮含量预测模型，最优氮含量预测模型是基于高光谱植被指数构建的第一种氮含量预测模型、基于敏感波段构建的第二种氮含量预测模型以及基于机器学习的方法构建的第三种氮含量预测模型中性能最佳的模型。本发明专利技术能快速准确的实现氮含量的检测。快速准确的实现氮含量的检测。快速准确的实现氮含量的检测。

【技术实现步骤摘要】
一种氮含量自动检测方法、系统、电子设备及介质


[0001]本专利技术涉及氮含量检测领域，特别是涉及一种氮含量自动检测方法、系统、电子设备及介质。

技术介绍

[0002]氮元素是植物生长的重要营养成分，适量的氮元素可以保证植株的正常生长。但是，目前氮肥滥用的情况非常普遍，肥料的滥用不仅会阻碍作物的正常生长还会使生态环境遭到破坏，因此，对氮含量进行检测尤为重要。
[0003]传统的氮含量检测方法包括有损检测和无损检测。常见的有损检测方法有测土配方、茎叶化学分析等，这些方法操作复杂，成本较高，效率较低且会对植株的生理组织造成损伤。无损检测方法主要有图像处理、机器视觉和叶绿素测光法等，这些方法虽然能够实现无损检测但是测量的精度较低。因此，如何快速准确的实现氮含量的检测成为目前亟待解决的技术问题。

技术实现思路

[0004]基于此，本专利技术实施例提供一种氮含量自动检测方法、系统、电子设备及介质，以快速准确的实现氮含量的检测。
[0005]为实现上述目的，本专利技术实施例提供了如下方案：
[0006]一种氮含量自动检测方法，包括：
[0007]获取目标作物的光谱图像；
[0008]根据所述目标作物的品种和生长时期，从预测模型库中选择相应的最优氮含量预测模型，得到目标模型；
[0009]基于所述目标作物的光谱图像，采用所述目标模型对所述目标作物的氮含量进行检测，得到所述目标作物的氮含量预测值；
[0010]其中，所述预测模型库的构建方法为：
[0011]获取样本集；所述样本集包括：不同品种不同生长时期的样本作物的光谱图像和样本作物的氮含量真值；
[0012]提取样本作物的光谱图像的高光谱植被指数，并根据不同品种不同生长时期的高光谱植被指数与氮含量真值的相关关系，构建第一种氮含量预测模型；
[0013]提取样本作物的光谱图像的敏感波段，并根据不同品种不同生长时期的敏感波段与氮含量真值的相关关系，构建第二种氮含量预测模型；所述敏感波段为与氮含量真值的相关性大于设定相关值的特征波段；
[0014]采用样本集对机器学习模型进行训练，得到第三种氮含量预测模型；
[0015]对于任一品种的任一生长时期，将第一种氮含量预测模型、第二种氮含量预测模型和第三种氮含量预测模型中性能最佳的模型，确定为最优氮含量预测模型。
[0016]可选地，基于所述目标作物的光谱图像，采用所述目标模型对所述目标作物的氮
含量进行检测，得到所述目标作物的氮含量预测值，具体包括：
[0017]若所述目标模型为第一种氮含量预测模型或第二种氮含量预测模型，则将目标作物的品种和生长时期输入所述目标模型，所述目标模型输出所述目标作物的氮含量预测值；
[0018]若所述目标模型为第三种氮含量预测模型，则将所述目标作物的光谱图像输入所述目标模型，所述目标模型输出所述目标作物的氮含量预测值。
[0019]可选地，获取目标作物的光谱图像，具体包括：
[0020]确定目标作物在太阳光照射下采集时的天顶角和方位角；
[0021]根据目标作物的天顶角和方位角，采用人工光源对多光谱相机所处环境的太阳光进行补偿；
[0022]在人工光源的补偿下，采用多光谱相机采集目标作物的光谱图像。
[0023]可选地，获取样本集，具体包括：
[0024]确定每个品种每个生长时期的样本作物在太阳光照射下采集时的天顶角和方位角；
[0025]根据每个品种每个生长时期的样本作物的天顶角和方位角，采用人工光源对多光谱相机所处环境的太阳光进行相应的补偿；
[0026]在人工光源的补偿下，采用多光谱相机采集不同品种不同生长时期的样本作物的光谱图像；
[0027]在实验室中对样本作物采用凯氏定氮法测量全氮含量，并将全氮含量作样本作物的氮含量真值。
[0028]可选地，提取样本作物的光谱图像的高光谱植被指数，具体包括：
[0029]对样本作物的光谱图像进行光滑和矫正变换预处理，得到预处理后的光谱图像；
[0030]根据预处理后的光谱图像确定各个波段的光谱反射率；
[0031]对所述光谱反射率进行算数运算，得到高光谱植被指数；所述高光谱植被指数，包括：双峰冠层氮指数、归一化植被指数、修正红边单比指数和比值植被指数。
[0032]可选地，根据不同品种不同生长时期的高光谱植被指数与氮含量真值的相关关系，构建第一种氮含量预测模型，具体包括：
[0033]对于任一品种任一生长时期，采用连续投影算法对高光谱植被指数中的各个指数的中心波长进行优化，将优化后的中心波长带入相应的指数计算公式中计算指数值；
[0034]对高光谱植被指数中的各个指数的指数值与氮含量真值进行皮尔逊相关检验，得到各个指数值与氮含量真值的相关性系数；
[0035]从所述高光谱植被指数中选取三个相关性系数最高的指数值作为最优光谱指数；
[0036]采用多元线性回归预测法和/或偏最小二乘回归法对最优光谱指数与氮含量真值的关系进行拟合，得到任一品种任一生长时期的第一种氮含量预测模型。
[0037]可选地，提取样本作物的光谱图像的敏感波段，并根据不同品种不同生长时期的敏感波段与氮含量真值的相关关系，构建第二种氮含量预测模型，具体包括：
[0038]对于任一品种任一生长时期，采用随机蛙跳法提取样本作物的光谱图像的敏感波段；
[0039]采用多元线性回归预测法和/或偏最小二乘回归法对敏感波段与氮含量真值的关
系进行拟合，得到任一品种任一生长时期的第二种氮含量预测模型。
[0040]本专利技术还提供了一种氮含量自动检测系统，包括：
[0041]图像获取模块，用于获取目标作物的光谱图像；
[0042]模型选择模块，用于根据所述目标作物的品种和生长时期，从预测模型库中选择相应的最优氮含量预测模型，得到目标模型；
[0043]氮含量预测模块，用于基于所述目标作物的光谱图像，采用所述目标模型对所述目标作物的氮含量进行检测，得到所述目标作物的氮含量预测值；
[0044]模型构建模块，用于构建所述预测模型库；所述模型构建模块，具体包括：
[0045]样本集获取单元，用于获取样本集；所述样本集包括：不同品种不同生长时期的样本作物的光谱图像和样本作物的氮含量真值；
[0046]第一种模型构建单元，用于提取样本作物的光谱图像的高光谱植被指数，并根据不同品种不同生长时期的高光谱植被指数与氮含量真值的相关关系，构建第一种氮含量预测模型；
[0047]第二种模型构建单元，用于提取样本作物的光谱图像的敏感波段，并根据不同品种不同生长时期的敏感波段与氮含量真值的相关关系，构建第二种氮含量预测模型；所述敏感波段为与氮含量真值的相关性大于设定相关值的特征波段；
[0048]第三种模型构建单元，用于采用样本集对机器学习模型进行训练，得到第三种氮含量预测模型；
[0049本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种氮含量自动检测方法，其特征在于，包括：获取目标作物的光谱图像；根据所述目标作物的品种和生长时期，从预测模型库中选择相应的最优氮含量预测模型，得到目标模型；基于所述目标作物的光谱图像，采用所述目标模型对所述目标作物的氮含量进行检测，得到所述目标作物的氮含量预测值；其中，所述预测模型库的构建方法为：获取样本集；所述样本集包括：不同品种不同生长时期的样本作物的光谱图像和样本作物的氮含量真值；提取样本作物的光谱图像的高光谱植被指数，并根据不同品种不同生长时期的高光谱植被指数与氮含量真值的相关关系，构建第一种氮含量预测模型；提取样本作物的光谱图像的敏感波段，并根据不同品种不同生长时期的敏感波段与氮含量真值的相关关系，构建第二种氮含量预测模型；所述敏感波段为与氮含量真值的相关性大于设定相关值的特征波段；采用样本集对机器学习模型进行训练，得到第三种氮含量预测模型；对于任一品种的任一生长时期，将第一种氮含量预测模型、第二种氮含量预测模型和第三种氮含量预测模型中性能最佳的模型，确定为最优氮含量预测模型。2.根据权利要求1所述的一种氮含量自动检测方法，其特征在于，基于所述目标作物的光谱图像，采用所述目标模型对所述目标作物的氮含量进行检测，得到所述目标作物的氮含量预测值，具体包括：若所述目标模型为第一种氮含量预测模型或第二种氮含量预测模型，则将目标作物的品种和生长时期输入所述目标模型，所述目标模型输出所述目标作物的氮含量预测值；若所述目标模型为第三种氮含量预测模型，则将所述目标作物的光谱图像输入所述目标模型，所述目标模型输出所述目标作物的氮含量预测值。3.根据权利要求1所述的一种氮含量自动检测方法，其特征在于，获取目标作物的光谱图像，具体包括：确定目标作物在太阳光照射下采集时的天顶角和方位角；根据目标作物的天顶角和方位角，采用人工光源对多光谱相机所处环境的太阳光进行补偿；在人工光源的补偿下，采用多光谱相机采集目标作物的光谱图像。4.根据权利要求1所述的一种氮含量自动检测方法，其特征在于，获取样本集，具体包括：确定每个品种每个生长时期的样本作物在太阳光照射下采集时的天顶角和方位角；根据每个品种每个生长时期的样本作物的天顶角和方位角，采用人工光源对多光谱相机所处环境的太阳光进行相应的补偿；在人工光源的补偿下，采用多光谱相机采集不同品种不同生长时期的样本作物的光谱图像；在实验室中对样本作物采用凯氏定氮法测量全氮含量，并将全氮含量作样本作物的氮含量真值。
5.根据权利要求1所述的一种氮含量自动检测方法，其特征在于，提取样本作物的光谱图像的高光谱植被指数，具体包括：对样本作物的光谱图像进行光滑和矫正变换预处理，得到预处理后的光谱图像；根据预处理后的光谱图像确定各个波段的光谱反射率；对所述光谱反射率进行算数运算，得到高光谱植被指数；所述高光谱植被指数，包括：双峰冠层氮指数、归一化植被指数、修正红边单比指数和比值植被指数。6.根据...

【专利技术属性】
技术研发人员：冯旭萍，黄震宇，杨宁远，何勇，
申请(专利权)人：安庆市长三角未来产业研究院，
类型：发明
国别省市：