一種油菜水分脅迫的無損檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于可見光-近紅外反射光譜、多光譜圖像、紅外溫度和環(huán)境信 息的作物水分脅迫檢測技術(shù)，特指一種油菜水分脅迫的無損檢測方法。
【背景技術(shù)】
[0002] 油菜是中國最重要的油料作物，同時(shí)也是需水較多的作物，水分脅迫使油菜生長 發(fā)育產(chǎn)生生理障礙，導(dǎo)致其產(chǎn)量降低，并影響菜籽的品質(zhì)。因此，快速診斷植株的缺水狀況， 科學(xué)精確地指導(dǎo)灌溉，合理有效地利用有限的水資源，保證油菜的優(yōu)質(zhì)高產(chǎn)，成為亟需解決 的問題。
[0003] 目前作物水分脅迫的無損檢測主要是基于反射光譜、視覺圖像和冠層溫度檢測技 術(shù)?；诠庾V技術(shù)的無損診斷方法，通常采用點(diǎn)源采樣方式，獲取的是線陣信息，盡管通過 多譜段組合特征能夠反演作物水分信息，但是由于受作物的冠層結(jié)構(gòu)、背景、大氣窗口、光 照對(duì)光譜反射特性的影響，無法體現(xiàn)整個(gè)冠層區(qū)域的光反射特性差異。視覺傳感器具有較 高的分辨率和較大的視場范圍，通過圖像分割技術(shù)能夠去除背景等因素的影響，克服了光 譜法測試范圍較小和對(duì)測試部位要求較嚴(yán)格的缺點(diǎn)，因此可獲得較多的作物信息，但傳統(tǒng) 的視覺傳感器通常存在著光譜分辨率較低的問題，對(duì)于水分診斷主要還是基于近紅外的紋 理特征，且目前的研宄主要集中在基于葉片圖像的特征，難以反映植株全貌。同時(shí)，較少有 從多光譜圖像特征信息及冠層的分布信息來進(jìn)行探測。這些方法同樣不可能有效地解決冠 層結(jié)構(gòu)、背景及光照等環(huán)境作用的影響，很難得到普適性的檢測模型。作物的冠層溫度變化 與水分狀況密切相關(guān)，在使用紅外測溫儀測量冠層溫度，以及作物水分狀況、施肥對(duì)冠層溫 度的影響等方面已有一些相關(guān)發(fā)明專利，但受個(gè)體差異和環(huán)境溫濕度的影響較大，檢測精 度普遍不高。

【發(fā)明內(nèi)容】

[0004] 針對(duì)目前作物水分脅迫的反射光譜、視覺圖像和冠層溫度等單一檢測手段存在的 不足，并考慮到光強(qiáng)、環(huán)境溫濕度等環(huán)境因子對(duì)檢測的影響，本發(fā)明目的是通過多信息融合 技術(shù)來實(shí)現(xiàn)對(duì)作物水分脅迫進(jìn)行探測。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明一種油菜水分脅迫的無損檢測方法按照下述步驟進(jìn)行：
[0006] (1)多特征信息采集；
[0007] (2)多特征分類提?。?br>[0008] (3)特征參數(shù)的誤差修正；
[0009] (4)主成分分析；
[0010] (5)多特征模型的建立；
[0011] (6)利用多特征模型檢測油菜含水率并判斷是否發(fā)生水分脅迫。
[0012] 其中所述的多特征信息采集是指利用多光譜成像儀、光譜儀和紅外熱成像儀，采 集油菜冠層的可見光-近紅外多光譜圖像、反射光譜和冠層溫度分布熱成像信息；利用光 照、溫濕度傳感器檢測油菜冠層光強(qiáng)和環(huán)境溫濕度信息。
[0013] 其中所述的多特征分類提取是指①利用圖像融合運(yùn)算，提取多光譜圖像的均值、 歸一化比值特征和分量均值特征；②利用分段逐步回歸的方法提取油菜含水率的反射光譜 特征波長；③提取冠層的紅外熱成像溫度分布信息和環(huán)境溫濕度信息，并求得冠-氣溫差 和大氣飽和水汽壓，建立冠-氣溫差模型，進(jìn)而得到油菜的水分脅迫指數(shù)特征。
[0014] 其中所述的特征參數(shù)的誤差修正是指利用冠層光強(qiáng)修正油菜冠層光譜反射率特 征參數(shù)。
[0015] 其中所述的主成分分析是指采用主成分分析法，將油菜冠層多光譜圖像、反射光 譜和冠層溫度分布熱成像等多特征數(shù)據(jù)作為輸入進(jìn)行主成分分析，提取最優(yōu)變量作為BP 神經(jīng)網(wǎng)絡(luò)的輸入層參數(shù)，即作為油菜含水率多特征模型的輸入變量。
[0016] 其中所述的多特征模型的建立是指利用三層BP神經(jīng)網(wǎng)絡(luò)建立油菜含水率的多特 征檢測模型。按照以下步驟進(jìn)行①將主成分分析的輸出變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入；② 通過對(duì)不同隱含層單元數(shù)BP網(wǎng)絡(luò)模型的平均絕對(duì)誤差和相關(guān)系數(shù)分析得到隱含層的單元 數(shù)；③選擇網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)為6 ;采用單隱含層的3層網(wǎng)絡(luò)結(jié)構(gòu)，隱含層單元數(shù)為10 ;訓(xùn) 練的學(xué)習(xí)速率為〇. 47,學(xué)習(xí)誤差為0. 01，最大訓(xùn)練次數(shù)為2000次對(duì)樣本進(jìn)行訓(xùn)練，建立油 菜含水率多特征模型；④利用樣本采集時(shí)同時(shí)獲取的36個(gè)樣本的數(shù)據(jù)，對(duì)油菜含水率多特 征模型進(jìn)行驗(yàn)證。
[0017] 本發(fā)明的效果是：利用多特征檢測油菜水分脅迫能夠綜合視覺圖像、反射光譜和 冠層溫度分布等多特征優(yōu)勢，與光譜、圖像和冠層溫度等單一檢測方法相比，能夠有效提高 檢測精度精度，且對(duì)環(huán)境的適應(yīng)性明顯增強(qiáng)。通過獲取油菜冠層的反射光譜、多光譜圖像 和熱成像數(shù)據(jù)，提取多光譜圖像的均值、歸一化比值特征和分量均值特征；利用分段逐步回 歸的方法提取油菜含水率的反射光譜特征波長；提取冠層的溫度分布信息和環(huán)境信息，并 求得冠-氣溫差和大氣飽和水汽壓，進(jìn)而得到油菜的水分脅迫指數(shù)特征；為了克服變量間 的多重共線性，對(duì)多特征進(jìn)行主成分分析，并將主成分變量作為輸入變量，建立3層網(wǎng)絡(luò)結(jié) 構(gòu)，隱含層單元數(shù)為10的油菜水分脅迫的BP神經(jīng)網(wǎng)絡(luò)模型，BP網(wǎng)絡(luò)法模型的預(yù)測值與實(shí) 測值的平均絕對(duì)誤差為3. 33 %，平均相對(duì)誤差為4. 92 %，相關(guān)系數(shù)為0. 93,均方差為3. 91。
【附圖說明】
[0018] 圖1一種油菜水分脅迫的無損檢測方法的流程圖；
[0019] 圖2不同含水率水平油菜的光譜曲線；
[0020]圖3不同發(fā)育期油菜圖像特征與含水率的相關(guān)系數(shù)；
[0021] 圖4油菜冠層圖像特征值與含水率的關(guān)系；
[0022] 圖5不同含水率的油菜的冠層圖像；
[0023] a.含水率85 %油菜樣本；b.含水率75 %油菜樣本
[0024] 圖6油菜冠-氣溫差與大氣飽和水汽壓（VPD)的關(guān)系模型；
[0025] 圖7含水率特征變量主成分?jǐn)?shù)與特征值變化曲線；
[0026]圖8油菜含水率多特征模型的預(yù)測值與實(shí)測值。
【具體實(shí)施方式】
[0027] 下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)的描述。
[0028] 本發(fā)明一種油菜水分脅迫的無損檢測方法所采用的儀器包括光譜儀、多光譜成像 儀、紅外熱成像儀以及環(huán)境光照和溫濕度信息等采集儀器。其中光譜儀采用美國ASD公 司生產(chǎn)的FieldSpcc? 3型手持便攜式光譜分析儀；該儀器光譜測量范圍350-2500nm;在 350-1000nm光譜區(qū)采樣間隔為1. 4nm，分辨率為3nm;在1000-2500nm光譜區(qū)采樣間隔為 2nm，分辨率為10nm;多光譜成像儀采用MS-3100型多光譜累進(jìn)掃描數(shù)字式攝相機(jī)，MS-3100 采用3CCD圖像傳感器，成像光譜范圍為400-1 lOOnm，最高分辨率為1392(H) X 1040 (V)像 素，能夠同步獲取R、G、B和NIR各獨(dú)立通道圖像，實(shí)現(xiàn)高質(zhì)量的油菜冠層圖像的采集。紅 外熱成像儀采用美國Fluke公司的TI50型紅外熱成像儀測量油菜冠層溫度和環(huán)境溫度信 息，溫度采集精度為〇. 〇7°C。環(huán)境濕度測量采用HT601A型溫濕度記錄儀，相對(duì)濕度測量精 度為5%。
[0029] 分四個(gè)水平培養(yǎng)不同水分脅迫的油菜樣本，植株含水率測定采用干濕重法，用分 析天平稱取樣本質(zhì)量，將采集樣本分別裝入保鮮袋帶回，先恒溫100°c烘干1小時(shí)，再恒溫 80°C進(jìn)行12小時(shí)烘干處理，測量其干質(zhì)量，求算樣本含水率
[0_
【主權(quán)項(xiàng)】
1. 一種油菜水分脅迫的無損檢測方法，其特征在于：按照下述步驟進(jìn)行： (1) 多特征彳目息米集； (2) 多特征分類提取； (3) 特征參數(shù)的誤差修正； (4) 主成分分析； (5) 多特征模型的建立； (6) 利用多特征模型檢測油菜含水率并判斷是否發(fā)生水分脅迫。
2. 根據(jù)權(quán)利要求1所述的一種油菜水分脅迫的無損檢測方法，其特征在于：步驟（1) 所述的多特征信息采集是指利用多光譜成像儀、光譜儀和紅外熱成像儀，采集油菜冠層的 可見光-近紅外多光譜圖像、反射光譜和冠層溫度分布熱成像信息；利用光照、溫濕度傳感 器檢測油菜冠層光強(qiáng)和環(huán)境溫濕度信息。
3. 根據(jù)權(quán)利要求1所述的一種油菜水分脅迫的無損檢測方法，其特征在于：步驟（2) 所述的多特征分類提取是指①利用圖像融合運(yùn)算，提取多光譜圖像的均值、歸一化比值特 征和分量均值特征；②利用分段逐步回歸的方法提取油菜含水率的反射光譜特征波長；③ 提取冠層的紅外熱成像溫度分布信息和環(huán)境溫濕度信息，并求得冠氣溫差和大氣飽和水汽 壓，建立冠氣溫差模型，進(jìn)而得到油菜的水分脅迫指數(shù)特征。
4. 根據(jù)權(quán)利要求1所述的一種油菜水分脅迫的無損檢測方法，其特征在于：步驟（3) 所述的特征參數(shù)的誤差修正是指利用冠層光強(qiáng)修正油菜冠層光譜反射率特征參數(shù)。
5. 根據(jù)權(quán)利要求1所述的一種油菜水分脅迫的無損檢測方法，其特征在于：步驟（4) 所述的主成分分析是指采用主成分分析法，將油菜冠層多光譜圖像、反射光譜和冠層溫度 分布熱成像等多特征數(shù)據(jù)作為輸入進(jìn)行主成分分析，提取最優(yōu)變量作為BP神經(jīng)網(wǎng)絡(luò)的輸 入層參數(shù)，即作為油菜含水率多特征模型的輸入變量。
6. 根據(jù)權(quán)利要求1所述的一種油菜水分脅迫的無損檢測方法，其特征在于：步驟（5) 所述的多特征模型的建立是指利用三層BP神經(jīng)網(wǎng)絡(luò)建立油菜含水率的多特征檢測模型。 按照以下步驟進(jìn)行①將主成分分析的輸出變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入；②通過對(duì)不同隱 含層單元數(shù)BP網(wǎng)絡(luò)模型的平均絕對(duì)誤差和相關(guān)系數(shù)分析得到隱含層的單元數(shù)；③選擇網(wǎng) 絡(luò)的輸入節(jié)點(diǎn)數(shù)為6 ;采用單隱含層的3層網(wǎng)絡(luò)結(jié)構(gòu)，隱含層單元數(shù)為10 ;訓(xùn)練的學(xué)習(xí)速率 為0. 47,學(xué)習(xí)誤差為0. 01，最大訓(xùn)練次數(shù)為2000次對(duì)樣本進(jìn)行訓(xùn)練，建立油菜含水率多特 征模型；④利用樣本采集時(shí)同時(shí)獲取的36個(gè)樣本的數(shù)據(jù)，對(duì)油菜含水率多特征模型進(jìn)行驗(yàn) 證。
【專利摘要】本發(fā)明涉及一種作物水分脅迫的無損檢測方法，特指利用多特征信息進(jìn)行油菜含水率檢測的方法。本發(fā)明利用光譜儀、多光譜成像儀和熱成像儀獲取油菜冠層的多特征信息，利用溫濕度、光照傳感器獲取油菜生長的環(huán)境信息；通過對(duì)油菜水分的光譜、圖像和冠層溫度分布特征進(jìn)行分類提取，得到油菜含水率的光譜特征波長，多光譜圖像均值、歸一化比值和分量均值特征以及水分脅迫指數(shù)特征；對(duì)特征變量進(jìn)行誤差修正和主成分分析，得到最優(yōu)多特征空間；利用BP神經(jīng)網(wǎng)絡(luò)建立油菜含水率的多特征檢測模型，模型預(yù)測值與實(shí)測值的平均絕對(duì)誤差為3.33%，相關(guān)系數(shù)R為0.93。該方法相對(duì)于光譜、圖像和冠層溫度等單一檢測方法相比，精度有顯著提高，且對(duì)環(huán)境的適應(yīng)性明顯增強(qiáng)。
【IPC分類】G01N21-31, G01N21-84
【公開號(hào)】CN104697943
【申請(qǐng)?zhí)枴緾N201410629922
【發(fā)明人】張曉東, 左志宇, 毛罕平, 孫俊, 高洪燕, 張紅濤
【申請(qǐng)人】江蘇大學(xué)
【公開日】2015年6月10日
【申請(qǐng)日】2014年11月10日