本發(fā)明屬于作物綜合生長(zhǎng)信息檢測(cè)領(lǐng)域，特別是涉及一種基于冠層溫光信息的作物長(zhǎng)勢(shì)檢測(cè)裝置和方法。

背景技術(shù)：

1、在我國(guó)的發(fā)展過(guò)程中，作物的地位極其重要，是國(guó)民經(jīng)濟(jì)的基礎(chǔ)，對(duì)社會(huì)的安定和國(guó)家自立起到了基礎(chǔ)性的作用。經(jīng)過(guò)多年的發(fā)展，我國(guó)作物種植技術(shù)得到了較大的進(jìn)步和提升，有效地提高了作物的產(chǎn)量和品質(zhì)。然而，作物栽培管理過(guò)程中，容易受到氣候條件、水肥條件及病蟲害因素影響，導(dǎo)致生產(chǎn)效益下降、質(zhì)量降低、病蟲害加重等問(wèn)題，影響了作物產(chǎn)量和品質(zhì)的穩(wěn)定提高。如何提高作物產(chǎn)量和質(zhì)量，已經(jīng)成為作物生產(chǎn)過(guò)程中的重要問(wèn)題，傳統(tǒng)作物檢測(cè)主要有人工定期檢查作物生長(zhǎng)狀況，難以深入了解作物內(nèi)部信息，可靠性差，難以精確獲取長(zhǎng)勢(shì)等作物表征信息，無(wú)法實(shí)現(xiàn)科學(xué)化管理和精細(xì)化農(nóng)業(yè)生產(chǎn)。因此，迫切需要對(duì)作物的長(zhǎng)勢(shì)、營(yíng)養(yǎng)信息及其生長(zhǎng)過(guò)程進(jìn)行精確監(jiān)測(cè)，為數(shù)字化育種和栽培管理提供技術(shù)保障。

2、一種基于作物冠層長(zhǎng)勢(shì)的稻田水分控制方法專利公開(kāi)號(hào)：cn112219657a，該發(fā)明在稻田中安裝作物冠層監(jiān)控模塊以及冠層內(nèi)外安裝光照度傳感器，分別固定于監(jiān)控支架上，進(jìn)行信息采集，該作物冠層長(zhǎng)勢(shì)信息采集安裝傳感器復(fù)雜，不具有便攜性，難以實(shí)現(xiàn)多環(huán)境作物冠層信息采集。

3、一種基于熱成像技術(shù)的植物健康狀態(tài)檢測(cè)方法專利公開(kāi)號(hào)：cn103674998a，該發(fā)明基于熱成像技術(shù)，通過(guò)熱成像傳感器獲取植物葉片溫度信息，通過(guò)分析葉片的熱紅外圖像的溫度數(shù)據(jù)對(duì)植株長(zhǎng)勢(shì)狀態(tài)進(jìn)行評(píng)價(jià)，具有一定的局限性。單一傳感器不能夠獲取植物的高通量信息，不能全面反映植物長(zhǎng)勢(shì)情況，導(dǎo)致評(píng)價(jià)結(jié)果不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述技術(shù)問(wèn)題，本發(fā)明提供一種基于冠層溫光信息的作物長(zhǎng)勢(shì)檢測(cè)裝置和方法，以實(shí)現(xiàn)作物長(zhǎng)勢(shì)信息的獲取，具有便攜性，能夠適應(yīng)大田、溫室等多種栽培環(huán)境作物長(zhǎng)勢(shì)信息的無(wú)損檢測(cè)，大大提高了作物長(zhǎng)勢(shì)檢測(cè)的便利性和實(shí)用性，有利于解決現(xiàn)有的作物冠層信息采集裝置在復(fù)雜環(huán)境中應(yīng)用受限的問(wèn)題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

3、一種基于冠層溫光信息的作物長(zhǎng)勢(shì)檢測(cè)裝置，包括信息采集模塊、無(wú)線通訊模塊、電源模塊和終端處理模塊；

4、所述信息采集模塊用于采集作物冠層信息以及周圍環(huán)境信息，并通過(guò)無(wú)線通訊模塊將作物冠層信息及周圍環(huán)境信息傳輸?shù)浇K端處理模塊；

5、所述電源模塊分別與信息采集模塊和無(wú)線通訊模塊進(jìn)行連接；

6、所述終端處理模塊根據(jù)作物冠層信息及周圍環(huán)境信息進(jìn)行作物三維模型的構(gòu)建，從構(gòu)建好的作物三維模型中獲取綜合長(zhǎng)勢(shì)信息。

7、上述方案中，所述信息采集模塊包括深度相機(jī)、多光譜相機(jī)、可見(jiàn)光相機(jī)、熱成像相機(jī)、溫濕度傳感器和光照度傳感器；

8、所述溫濕度傳感器用于獲取環(huán)境溫度和濕度信息并傳輸?shù)浇K端處理模塊；

9、所述光照度傳感器用于獲取太陽(yáng)輻射信息并傳輸?shù)浇K端處理模塊；

10、所述深度相機(jī)用于獲取作物冠層三維圖像并傳輸?shù)浇K端處理模塊；

11、所述可見(jiàn)光相機(jī)用于獲取作物冠層可見(jiàn)光圖像并傳輸?shù)浇K端處理模塊；

12、所述多光譜相機(jī)用于獲取作物冠層光譜圖像并傳輸?shù)浇K端處理模塊；

13、所述熱紅外相機(jī)用于獲取作物冠層熱紅外圖像并傳輸?shù)浇K端處理模塊。

14、進(jìn)一步的，還包括上部外殼、握把、第一底部箱體、第二底部箱體、底部封蓋和頂部封蓋；

15、所述握把的一端與上部外殼的底部連接，另一端與第一底部箱體的上部連接，第一底部箱體的下部與第二底部箱體的上部連接；底部封蓋設(shè)置在第一底部箱體上，頂部封蓋設(shè)置在上部外殼上；

16、所述可見(jiàn)光相機(jī)和熱成像相機(jī)設(shè)于上部外殼內(nèi)，且處于同一水平面，朝向相同；

17、所述多光譜相機(jī)設(shè)于第一底部箱體內(nèi)，且與可見(jiàn)光相機(jī)和熱成像相機(jī)朝向相同；

18、所述深度相機(jī)設(shè)置在深度相機(jī)外殼里，深度相機(jī)外殼與上部外殼的下部通過(guò)卡槽連接，深度相機(jī)與可見(jiàn)光相機(jī)和熱成像相機(jī)朝向相同；

19、所述溫濕度傳感器安裝在底部封蓋上，光照度傳感器設(shè)置在頂部封蓋上。

20、進(jìn)一步的，所述無(wú)線通訊模塊包括微控制器和無(wú)線傳輸模塊；所述微控制器分別與信息采集模塊和無(wú)線傳輸模塊連接，所述無(wú)線傳輸模塊將微控制器里的作物冠層信息以無(wú)線傳輸形式上傳到終端處理模塊；微控制器和無(wú)線傳輸模塊安裝在第二底部箱體內(nèi)；

21、所述的電源模塊包括電源按鈕、供電口和電源模組；所述電源模塊分別與信息采集模塊和無(wú)線通訊模塊連接；所述電源按鈕、供電口和電源模組設(shè)置在上部外殼上；

22、所述終端處理模塊包括上位機(jī)和云端；所述云端分別與上位機(jī)和下位機(jī)顯示界面連接；云端根據(jù)接收到的作物冠層信息以及周圍環(huán)境信息進(jìn)行作物三維模型的構(gòu)建，從構(gòu)建好的作物三維模型中獲取綜合長(zhǎng)勢(shì)信息，并傳遞到上位機(jī)的顯示界面和下位機(jī)顯示界面用于人機(jī)交互和結(jié)果輸出顯示；所述下位機(jī)顯示界面設(shè)置在上部外殼上。

23、一種根據(jù)所述基于冠層溫光信息的作物長(zhǎng)勢(shì)檢測(cè)裝置的檢測(cè)方法，包括以下步驟：

24、所述信息采集模塊采集作物冠層信息以及周圍環(huán)境信息，并通過(guò)無(wú)線通訊模塊將作物冠層信息及周圍環(huán)境信息傳輸?shù)浇K端處理模塊；所述終端處理模塊根據(jù)作物冠層信息及周圍環(huán)境信息進(jìn)行作物三維模型的構(gòu)建，從構(gòu)建好的作物三維模型中獲取綜合長(zhǎng)勢(shì)信息；

25、具體的：

26、所述信息采集模塊對(duì)準(zhǔn)作物冠層，同步采集作物冠層高通量信息，并將這些信息作為原始數(shù)據(jù)傳輸?shù)綗o(wú)線通訊模塊的微控制器；

27、所述微控制器對(duì)原始數(shù)據(jù)進(jìn)行邊緣計(jì)算處理，將處理后的圖像信息保存，并將處理后的圖像信息通過(guò)無(wú)線傳輸模塊傳至云端；

28、所述云端進(jìn)行數(shù)據(jù)處理和分析，構(gòu)建作物三維模型及獲取綜合長(zhǎng)勢(shì)信息，并將所獲取的綜合長(zhǎng)勢(shì)信息顯示在上位機(jī)的顯示界面和下位機(jī)顯示界面上，完成作物綜合長(zhǎng)勢(shì)信息的檢測(cè)。

29、上述方案中，采集作物冠層高通量信息具體為通過(guò)所述信息采集模塊對(duì)作物全生長(zhǎng)周期高通量信息的并行獲取：

30、利用溫濕度傳感器獲取環(huán)境溫度和濕度信息，利用光照度傳感器獲取太陽(yáng)輻射強(qiáng)度，利用深度相機(jī)獲取作物冠層三維圖像，利用可見(jiàn)光相機(jī)獲取作物冠層可見(jiàn)光圖像，利用多光譜相機(jī)獲取作物冠層光譜圖像，利用熱紅外相機(jī)獲取作物冠層熱紅外圖像。

31、上述方案中，所述邊緣計(jì)算處理具體為：對(duì)信息采集模塊獲取的三維圖像、可見(jiàn)光圖像、光譜圖像和熱紅外圖像，進(jìn)行圖像背景及噪聲的剔除，提取目標(biāo)圖像，然后獲取經(jīng)處理后的作物圖像信息保存在微控制器。

32、上述方案中，所述構(gòu)建作物三維模型具體包括以下步驟：

33、空間配準(zhǔn)：獲取信息采集模塊采集的作物冠層帶有標(biāo)定板的三維圖像、可見(jiàn)光圖像、光譜圖像和熱紅外圖像，進(jìn)行空間坐標(biāo)的配準(zhǔn)；

34、圖像融合：

35、可見(jiàn)光-多光譜的融合：利用非負(fù)矩陣分解方法對(duì)光譜圖像解混，通過(guò)在解混中加入豐度矩陣的稀疏約束，獲取端元光譜曲線；根據(jù)可見(jiàn)光圖像的光譜吸收曲線和解混得到的端元光譜曲線，利用matlab中函數(shù)庫(kù)處理具有約束的二次規(guī)劃求解圖像中每個(gè)像元的混合系數(shù)，將解混得到的端元光譜曲線和每個(gè)像元的混合系數(shù)進(jìn)行線性混合，得到具有高空間分辨率和多光譜圖像的可見(jiàn)光-多光譜融合圖像；

36、高維影像融合：利用熱紅外圖像獲取邊緣和溫度目標(biāo)區(qū)域，同時(shí)從可見(jiàn)光-多光譜融合圖像中獲取目標(biāo)區(qū)域，選擇生成對(duì)抗網(wǎng)絡(luò)作為融合模型，將指可見(jiàn)光－多光譜的目標(biāo)區(qū)域和熱紅外的目標(biāo)區(qū)域圖像作為輸入，利用結(jié)構(gòu)相似性指數(shù)和峰值信噪比作為損失函數(shù)的一部分，指導(dǎo)模型學(xué)習(xí)；通過(guò)設(shè)計(jì)加權(quán)融合策略，為輸入的圖像貢獻(xiàn)分配權(quán)重，生成融合圖像，通過(guò)計(jì)算融合圖像的結(jié)構(gòu)相似性、峰值信噪比和光譜扭曲度進(jìn)行圖像質(zhì)量的評(píng)估，同時(shí)進(jìn)行視覺(jué)評(píng)估以確保圖像信息的完整性；對(duì)融合圖像進(jìn)行銳化處理，得到高維矢量數(shù)據(jù)影像；

37、影像-點(diǎn)云合一：通過(guò)將三維圖像數(shù)據(jù)、高維矢量數(shù)據(jù)影像統(tǒng)一到參考坐標(biāo)系下，實(shí)現(xiàn)高維矢數(shù)據(jù)影像與三維圖像位置信息的配準(zhǔn)，利用立體匹配算法進(jìn)行高維矢量數(shù)據(jù)影像與三維圖像進(jìn)行特征匹配，將高維矢量數(shù)據(jù)影像的各個(gè)像素點(diǎn)的像素信息通過(guò)位置關(guān)系映射到三維圖像中，將三維圖像與高維矢量數(shù)據(jù)影像各點(diǎn)的像素信息進(jìn)行相結(jié)合，建立作物的空間位置點(diǎn)與高維矢量數(shù)據(jù)影像像素的聯(lián)系，實(shí)現(xiàn)影像與點(diǎn)云的融合，得到影像-點(diǎn)云圖像。

38、進(jìn)一步的，所述空間配準(zhǔn)具體為：獲取信息采集模塊采集作物冠層帶有標(biāo)定板的三維圖像、可見(jiàn)光圖像、光譜圖像和熱紅外圖像；可見(jiàn)光相機(jī)、熱紅外相機(jī)和多光譜相機(jī)拍攝帶有標(biāo)定板的圖像，通過(guò)角點(diǎn)檢測(cè)算法進(jìn)行每個(gè)角點(diǎn)的像素坐標(biāo)的獲取，通過(guò)已知標(biāo)定板的大小，獲取相機(jī)的內(nèi)參；利用特征點(diǎn)匹配算法，在圖像、圖像和圖像中獲取三維坐標(biāo)和像素坐標(biāo)的對(duì)應(yīng)關(guān)系，進(jìn)行相機(jī)外參的標(biāo)定，進(jìn)行空間坐標(biāo)的配準(zhǔn)；

39、進(jìn)一步的，所述獲取作物綜合長(zhǎng)勢(shì)信息具體為：

40、根據(jù)影像-點(diǎn)云圖像，獲取作物植株顏色紋理、冠幅面積、作物植株株高、株寬、葉傾角、葉長(zhǎng)、葉寬、葉面積，從而獲得株型參數(shù)及病害信息；

41、根據(jù)影像-點(diǎn)云圖像，獲取作物植株的溫度分布，結(jié)合環(huán)境溫度信息獲取作物植株冠-氣溫差特性；

42、根據(jù)作物冠層可見(jiàn)光-多光譜圖像獲取不同波段下光譜指數(shù)，獲取葉綠素含量、水分狀況和光合作用效率信息。

43、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

44、本發(fā)明基于冠層溫光信息的作物長(zhǎng)勢(shì)檢測(cè)裝置采用多源成像單元集成一體化設(shè)計(jì)，具有便攜性、易用性及高通量等特點(diǎn)，可以有效地應(yīng)用于不同栽培場(chǎng)景下的作物生產(chǎn)管理和數(shù)字化育種；

45、本發(fā)明能夠采集作物高通量信息，通過(guò)深度圖像配合彩色圖像、熱紅外圖像及多光譜圖像構(gòu)建高維矢量特征數(shù)據(jù)集，獲取作物綜合長(zhǎng)勢(shì)信息，為作物生長(zhǎng)管理提供科學(xué)依據(jù)；

46、本發(fā)明采用邊緣計(jì)算技術(shù)從多傳感器獲取的深度圖像、可見(jiàn)光圖像、多光譜圖像和熱紅外圖像中對(duì)數(shù)據(jù)進(jìn)行處理，獲取目標(biāo)圖像，減少冗余，提高后期圖像處理的效率；

47、本發(fā)明采用無(wú)線傳輸技術(shù)，實(shí)現(xiàn)傳感器數(shù)據(jù)的無(wú)線傳輸，方便實(shí)時(shí)對(duì)數(shù)據(jù)的采集和遠(yuǎn)程傳輸，能夠快速地對(duì)數(shù)據(jù)進(jìn)行解析處理。