[发明专利]快速检测叶片叶绿素含量的装置、建模方法及检测方法有效

专利信息
申请号: 200910237355.1 申请日: 2009-11-10
公开(公告)号: CN101718683A 公开(公告)日: 2010-06-02
发明(设计)人: 彭彦昆;黄慧;王伟;吴建虎;高晓东;张静 申请(专利权)人: 中国农业大学
主分类号: G01N21/25 分类号: G01N21/25;G06T7/00
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王朋飞
地址: 100083 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 快速 检测 叶片 叶绿素 含量 装置 建模 方法
【权利要求书】:

1.一种利用快速、非破坏性检测作物叶片叶绿素含量的装置对作物叶片叶绿素含量的预测模型进行建模的方法,该方法包括以下步骤:

S1,利用所述装置获取黑、白图像,叶片样本的光谱的线图像;

S2,利用步骤S1中得到的图像数据计算相对反射光谱数据,并将所述线图像转化为面图像;

S3,将同一叶片样本不同位置同样大小的感兴趣区域的所述相对反射光谱数据量化成对应于不同光波长的矩阵模块,然后对该矩阵模块进行校正,得到校正后的数据;所述矩阵模块包含反映叶片样本间的光学特性、组织成分差异的特征参数;

S4,对校正后的数据利用建模方法建立模型进行预测,并利用交叉验证法评价利用所述模型得出叶片样本的叶绿素含量的预测数据,以确定预测模型;

步骤S2中将所述线图像转化为面图像时计算相对反射密度的公式为:R=(Rs-Rd)/(Rr-Rd),其中,R为相对反射密度,Rs为所述线图像的反射密度,Rr为标准白板的反射密度,Rd为黑图像的反射密度;

在所述步骤S4中建立预测模型的步骤具体为:将叶片样本分为校正组和验证组,首先基于校正组用建模方法求出各波长特征参数与叶绿素含量间的相关性及预估误差,然后基于验证组用交叉验证法求出用于预测叶绿素含量的最佳波长和波长数,利用最佳波长和波长数确定叶绿素含量的预测模型;

所述在所述步骤S3与步骤S4之间还包括步骤S31:得到标准参考数据。

2.如权利要求1所述的对作物叶片叶绿素含量的预测模型进行建模的方法,其特征在于,所述快速、非破坏性检测作物叶片叶绿素含量的装置包括CCD照相机、高光谱扫描仪、载物台、电控平移台、运动控制器、计算机及带有反馈控制器的光源供给系统;所述CCD照相机与所述高光谱扫描仪连接,用于采集高光谱扫描仪扫描到的载物台上所载作物的光谱图像;所述计算机与所述CCD照相机连接,用于对所述光谱图像进行处理,以得到检测叶绿素含量的预测模型;所述运动控制器与所述电控平移台连接,所述载物台位于所述电控平移台上;所述运动控制器用于调整所述电控平移台的位置、平移速度和平移距离;所述光源供给系统用于给载物台上所载作物提供光源。

3.如权利要求2所述的对作物叶片叶绿素含量的预测模型进行建模的方法,其特征在于,所述光源供给系统包括卤钨灯。

4.如权利要求1所述的对作物叶片叶绿素含量的预测模型进行建模的方法,其特征在于,所述步骤S31具体为:基于所述面图像的数据采用分光光度计法检测叶片样本的叶绿素含量,得到标准参考数据;相应地,在所述步骤S4之后还包括将所述标准参考数据对所述预测数据进行相关性比较的步骤。

5.如权利要求1所述的对作物叶片叶绿素含量的预测模型进行建模的方法,其特征在于,按照3∶1的比例将叶片样本分为校正组和验证组。

6.如权利要求1所述的对作物叶片叶绿素含量的预测模型进行建模的方法,其特征在于,所述校正的方法为使用多元散射校正结合二阶导数来校正或者使用常态标准离差校正;所述建模方法为多元线性回归法、偏最小二乘法或最小二乘支持向量机。

7.一种利用权利要求1~6之任一项所述的建模方法获得的预测模型对作物叶片叶绿素含量进行检测的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国农业大学,未经中国农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/200910237355.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top