[发明专利]一种油菜水分胁迫的无损检测方法

说明书

技术领域

本发明涉及一种基于可见光-近红外反射光谱、多光谱图像、红外温度和环境信息的作物水分胁迫检测技术，特指一种油菜水分胁迫的无损检测方法。

背景技术

油菜是中国最重要的油料作物，同时也是需水较多的作物，水分胁迫使油菜生长发育产生生理障碍，导致其产量降低，并影响菜籽的品质。因此，快速诊断植株的缺水状况，科学精确地指导灌溉，合理有效地利用有限的水资源，保证油菜的优质高产，成为亟需解决的问题。

目前作物水分胁迫的无损检测主要是基于反射光谱、视觉图像和冠层温度检测技术。基于光谱技术的无损诊断方法，通常采用点源采样方式，获取的是线阵信息，尽管通过多谱段组合特征能够反演作物水分信息，但是由于受作物的冠层结构、背景、大气窗口、光照对光谱反射特性的影响，无法体现整个冠层区域的光反射特性差异。视觉传感器具有较高的分辨率和较大的视场范围，通过图像分割技术能够去除背景等因素的影响，克服了光谱法测试范围较小和对测试部位要求较严格的缺点，因此可获得较多的作物信息，但传统的视觉传感器通常存在着光谱分辨率较低的问题，对于水分诊断主要还是基于近红外的纹理特征，且目前的研究主要集中在基于叶片图像的特征，难以反映植株全貌。同时，较少有从多光谱图像特征信息及冠层的分布信息来进行探测。这些方法同样不可能有效地解决冠层结构、背景及光照等环境作用的影响，很难得到普适性的检测模型。作物的冠层温度变化与水分状况密切相关，在使用红外测温仪测量冠层温度，以及作物水分状况、施肥对冠层温度的影响等方面已有一些相关发明专利，但受个体差异和环境温湿度的影响较大，检测精度普遍不高。

发明内容

针对目前作物水分胁迫的反射光谱、视觉图像和冠层温度等单一检测手段存在的不足，并考虑到光强、环境温湿度等环境因子对检测的影响，本发明目的是通过多信息融合技术来实现对作物水分胁迫进行探测。

为实现上述目的，本发明一种油菜水分胁迫的无损检测方法按照下述步骤进行：

(1)多特征信息采集；

(2)多特征分类提取；

(3)特征参数的误差修正；

(4)主成分分析；

(5)多特征模型的建立；

(6)利用多特征模型检测油菜含水率并判断是否发生水分胁迫。

其中所述的多特征信息采集是指利用多光谱成像仪、光谱仪和红外热成像仪，采集油菜冠层的可见光-近红外多光谱图像、反射光谱和冠层温度分布热成像信息；利用光照、温湿度传感器检测油菜冠层光强和环境温湿度信息。

其中所述的多特征分类提取是指①利用图像融合运算，提取多光谱图像的均值、归一化比值特征和分量均值特征；②利用分段逐步回归的方法提取油菜含水率的反射光谱特征波长；③提取冠层的红外热成像温度分布信息和环境温湿度信息，并求得冠-气温差和大气饱和水汽压，建立冠-气温差模型，进而得到油菜的水分胁迫指数特征。

其中所述的特征参数的误差修正是指利用冠层光强修正油菜冠层光谱反射率特征参数。

其中所述的主成分分析是指采用主成分分析法，将油菜冠层多光谱图像、反射光谱和冠层温度分布热成像等多特征数据作为输入进行主成分分析，提取最优变量作为BP神经网络的输入层参数，即作为油菜含水率多特征模型的输入变量。

其中所述的多特征模型的建立是指利用三层BP神经网络建立油菜含水率的多特征检测模型。按照以下步骤进行①将主成分分析的输出变量作为BP神经网络的输入；②通过对不同隐含层单元数BP网络模型的平均绝对误差和相关系数分析得到隐含层的单元数；③选择网络的输入节点数为6；采用单隐含层的3层网络结构，隐含层单元数为10；训练的学习速率为0.47，学习误差为0.01，最大训练次数为2000次对样本进行训练，建立油菜含水率多特征模型；④利用样本采集时同时获取的36个样本的数据，对油菜含水率多特征模型进行验证。