[发明专利]一种农药沉积量检测方法、装置及数据采集组合装置在审

专利信息
申请号: 201910060614.1 申请日: 2019-01-23
公开(公告)号: CN109557003A 公开(公告)日: 2019-04-02
发明(设计)人: 孙磊;郝建军;李建昌;金俊宝;赵建国;索雪松;马志凯;马跃进 申请(专利权)人: 河北农业大学;河北千鹏农业机械科技有限公司
主分类号: G01N15/04 分类号: G01N15/04;G06N3/04
代理公司: 北京科亿知识产权代理事务所(普通合伙) 11350 代理人: 李兴林
地址: 071000 *** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种农药沉积量检测方法、装置及数据采集组合装置,属于农药沉积量检测技术领域。一种用于靶向施药的农药沉积量检测方法,包括以下步骤:a.特征波段确定;b.定制特征波光源和特征波带通滤光片;c.采集特征波~农药浓度对应数据;d.获取特征波‑农药沉积量关系模型;e.对农作物的农药沉积量进行现场检测。一种特征波数据采集组合装置,组合装置包括四个结构相同的摄像装置。一种用于靶向施药的农药沉积量检测装置,包括上述的四个摄像装置和控制电路,控制电路包括单片机MCU和启动开关。具有方便快捷,检测效率高等特点。
搜索关键词: 农药 沉积量检测 组合装置 特征波 数据采集 控制电路 摄像装置 沉积量 靶向 施药 沉积量检测装置 带通滤光片 单片机MCU 定制特征 关系模型 启动开关 特征波段 现场检测 光源 农作物 采集 检测
【主权项】:
1.一种用于靶向施药的农药沉积量检测方法,其特征在于:所述方法包括以下步骤:a.特征波段确定,配置不同浓度的农药溶液,选取一组农作物叶片,将各叶片喷涂不同浓度的农药溶液,以在各叶片上形成不同浓度的农药沉积量,从而形成特征波段采样样本,在暗室环境中采用复合光源照射各叶片,通过光谱仪采集以叶片为载体的农药沉积量反射率数据与波长数据,利用主成分分析法,确定最能反应不同农药沉积量反射特征波的四个特征波段;b.定制特征波光源和特征波带通滤光片,针对所述四个特征波段的每个特征波段的波长,分别定制与之相对应的特征波光源和特征波带通滤光片,所定制的四个所述特征波光源和四个所述特征波带通滤光片各自仅能发出或通过与其相对应的特征波段的波长的光;c.采集特征波~农药浓度对应数据,根据农作物叶片农药沉积量的检测范围,配置不同浓度的农药溶液,选取一组农作物叶片,在该组叶片中的各叶片上分别喷涂不同浓度的农药溶液,以在各叶片上形成不同浓度的农药沉积量,使该组中各农作物叶片的农药沉积量整体上离散的覆盖农作物叶片农药沉积量的检测范围,从而形成特征波~农药沉积量浓度对应数据采集样本,对该样本中每一片叶片的所述四个特征波段的光反射强度数据进行采集,特征波段的光反射强度数据采集方法为:分别通过四个所述特征波光源对载有不同农药沉积量的各叶片进行照射,并采用相机透过每种所述特征波光源所对应的所述特征波带通滤光片进行拍摄,从而以图像信息形式采集到以叶片为载体的各浓度的农药沉积量所对应的所述四个特征波段的光反射强度数据;d.获取特征波‑农药沉积量关系模型,将步骤c中获取的各浓度的农药沉积量及其所对应的所述四种特征波段的光反射强度数据分别导入CNN卷积神经网络进行深度学习训练,系统自动生成农药沉积量与四种特征波段的光反射强度数据对应关系,从而得到以四个特征波段的光反射强度数据为输入,农药沉积量为输出的特征波‑农药沉积量关系模型;e.对农作物的农药沉积量进行现场检测,按照步骤c中所述的特征波段的光反射强度数据采集方法采集农作物叶片对于所述四个特征波段的光反射强度数据,并将所采集的四个特征波段的光反射强度数据输入特征波‑农药沉积量关系模型,从而获得以采集过所述四个特征波段的光反射强度数据的农作物叶片为样本的农作物农药沉积量。
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河北农业大学;河北千鹏农业机械科技有限公司,未经河北农业大学;河北千鹏农业机械科技有限公司许可,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/patent/201910060614.1/,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