首页 > 专利 > 江苏大学 > 基于多传感信息的温室作物生长和环境信息检测方法专利详情

基于多传感信息的温室作物生长和环境信息检测方法 0 0

有效专利查看PDF

申请进展

基本信息

申请人信息

代理人信息

摘要

法律状态

权利要求

说明书

专利申请流程有哪些步骤？

申请

申请号：指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。

申请日：提出专利申请之日。

2011-11-17

申请公布

申请公布指发明专利申请经初步审查合格后，自申请日（或优先权日）起18个月期满时的公布或根据申请人的请求提前进行的公布。

申请公布号：专利申请过程中，在尚未取得专利授权之前，国家专利局《专利公报》公开专利时的编号。

申请公布日：申请公开的日期，即在专利公报上予以公开的日期。

授权

授权指对发明专利申请经实质审查没有发现驳回理由，授予发明专利权；或对实用新型或外观设计专利申请经初步审查没有发现驳回理由，授予实用新型专利权或外观设计专利权。

2014-05-28

预估到期

发明专利权的期限为二十年，实用新型专利权期限为十年，外观设计专利权期限为十五年，均自申请日起计算。专利届满后法律终止保护。

2031-11-17

基本信息

有效性	有效专利	专利类型	发明专利
申请号	CN201110363670.6	申请日	2011-11-17
公开/公告号	CN102506938B	公开/公告日	2014-05-28
授权日	2014-05-28	预估到期日	2031-11-17
申请年	2011年	公开/公告年	2014年
缴费截止日
分类号	G01D21/02	主分类号	G01D21/02
是否联合申请	独立申请	文献类型号	B
独权数量	1	从权数量	2
权利要求数量	3	非专利引证数量	4
引用专利数量	4	被引证专利数量	0
非专利引证	1、毛罕平等.《生菜叶片含水率光谱特征模型研究》.《农业机械学报》.2011,第42卷(第5期),; 2、石吉勇等.《黄瓜叶片叶绿素含量近红外光谱无损检测》.《农业机械学报》.2011,第42卷(第5期),; 3、张晓东等.《作物生长多传感信息检测系统设计与应用》.《农业机械学报》.2009,第40卷(第9期),; 4、张元等.《基于多光谱视觉的油菜叶片氮素营养检测方法研究》.《农机化研究》.2009,(第11期),;
引用专利	CN102081039A、JP特开2005-87042A、CN101936882A、JP特开2003-50996A	被引证专利
专利权维持	6	专利申请国编码	CN
专利事件		事务标签	公开、授权

申请人信息

申请人	江苏大学	第一申请人	江苏大学
专利权人	江苏大学	当前专利权人	江苏大学
发明人	张晓东、毛罕平、左志宇、高洪燕、朱文静、周莹	第一发明人	张晓东
地址	江苏省镇江市京口区学府路301号	邮编
申请人数量	1	发明人数量	6
申请人所在省	江苏省	申请人所在市	江苏省镇江市

代理人信息

代理机构

专利代理机构是经省专利管理局审核，国家知识产权局批准设立，可以接受委托人的委托，在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。

南京经纬专利商标代理有限公司

代理人

专利代理师是代理他人进行专利申请和办理其他专利事务，取得一定资格的人。

楼高潮

摘要

本发明基于多传感信息的温室作物生长和环境信息检测方法，属于温室作物生长信息和环境信息检测技术领域。利用光谱仪、多光谱成像仪和热成像仪获取温室作物的光谱、多光谱图像和冠层温度信息；利用温度、湿度、辐照度、CO2浓度、EC和pH值传感器获取温室的温光水气肥环境信息。对作物营养、水分的光谱、图像和冠层温度特征进行优化，得到氮磷钾营养和水分特征空间；对作物的光谱和图像形态特征进行提取，得到作物的叶面积指数、茎粗、植株和果实生长速率；将获取的作物营养、水分、长势和温光水气肥温室环境信息进行连续监测记录并格式化，作为温室作物的生长和环境综合检测信息。利用该方法获取的信息，能够根据温室作物生长的实际需求进行水肥管理和环境调控。

摘要附图
说明书附图：图1
说明书附图：图2

法律状态

序号	法律状态公告日	法律状态	法律状态信息
1	2014-05-28	授权
2	2012-06-20	公开

权利要求

权利要求书是申请文件最核心的部分，是申请人向国家申请保护他的发明创造及划定保护范围的文件。

1.基于多传感信息的温室作物生长和环境信息检测方法，利用多光谱仪直接获取温室作物的可见光-近红外反射光谱信息，利用温度传感器、湿度传感器、辐照度传感器获取光箱的温度、湿度、光照信息，其特征在于按照下述步骤进行：
（1）利用光谱仪和热成像仪直接获取温室作物的多光谱图像信息和冠层温度信息；
（2）利用CO2浓度传感器、EC 和pH值传感器获取温室环境的CO2浓度、营养液电导率和pH值信息；
（3）对采集的作物的可见光-近红外反射光谱和多光谱图像进行分析处理，提取作物氮磷钾的可见光-近红外反射光谱特征波长和多光谱图像的颜色、纹理、灰度均值及融合特征，进而将获取的氮、磷、钾的可见光-近红外反射光谱和多光谱图像特征进行优化，构建作物氮磷钾营养的反射光谱和图像组合特征空间；
（4）对采集的作物的可见光-近红外反射光谱和作物的冠层温度信息进行分析和处理，提取作物水分的可见光-近红外反射光谱的特征波长和冠层温度，结合环境温度、湿度信息，获取冠-气温差和饱和水汽压，建立冠-气温差和水分胁迫指数模型；通过特征优化构建作物水分的反射光谱和冠层温度组合特征空间；
（5）对采集的作物的可见光-近红外反射光谱光谱信息和多光谱图像信息进行分析和处理，提取作物的叶面积指数和茎粗、株高、果实形态特征；并根据连续观测数据，求得植株生长速率和果实生长速率；
（6）利用获取的作物的氮磷钾营养、水分养分信息和叶面积指数、茎粗、株高、植株生长速率、果实生长速率长势信息，以及温室环境的温度、湿度、光照、CO2浓度、营养液EC 和pH值信息，计算机进行连续监测记录和格式化，即可得作物的生长和环境信息的检测数据。

2.根据权利要求1所述的基于多传感信息的温室作物生长和环境信息检测方法，其特征在于其中所述的步骤（3）、（4）、（5）中所采用的可见光-近红外反射光谱的分析处理方法，按照下述步骤进行：首先进行滤波，之后进行逐步回归和主成分分析提取特征。

3.根据权利要求1所述的基于多传感信息的温室作物生长和环境信息检测方法，其特征在于其中所述的步骤（3）、（4）、（5）中所采用的多光谱图像的分析处理方法，按照下述步骤进行：首先增强多光谱图像并进行像素级图像融合，之后通过超绿特征和二维直方图分割背景，最后进行颜色灰度均值计算、纹理分析和融合特征分析。

说明书

技术领域

[0001] 本发明属于温室作物生长信息和环境信息检测技术领域，涉及一种基于多传感信息的温室作物生长和环境信息检测方法，特指利用光谱、视觉图像、红外温度探测等多种无损探测技术，结合温室环境的温度、湿度、光照、CO2浓度和营养液EC(电导率)、pH值的检测，获取设施作物的氮、磷、钾、水分和叶面积指数、茎粗、植株和果实生长速率，以及温光水气肥等作物生长和环境综合信息。利用该方法获取的综合信息，可实现根据作物生长的实际需求进行科学的水肥管理和温室环境调控。

背景技术

[0002] 温室作物生长信息无损检测主要包括作物氮磷钾营养、水分等养分检测和叶面积指数、茎粗、株高、果实颜色质量、植株和果实生长速率等长势信息检测两个方面。环境信息主要指温室的温度、湿度、光照、CO2浓度和营养液EC 和pH值信息。

[0003] 温室生长过程究其本质是作物受环境、营养、水分等外部因子作用，并对其进行转化的复杂的动力学过程。温室内作物生长环境参数的空间分布性强、时空变异性大、多参数间相互影响，加上不同种类作物及不同植株之间的个体差异，造成传统的栽培和环境调控方式很难适应不同种类、不同植株及其不同生育期的生长需要。因此，在对温室作物生长的环境和营养、水分等外部作用因子进行准确检测的基础上，研究环境、营养、水分等外部因子与作物长势、生产过程之间的作用关系，建立基于温室作物生长和环境信息综合评价体系，并根据评价结果，制定最优的控制策略，这对提高我国温室技术的研究水平，实现设施农业的高产、优质、高效、低碳和可持续发展有十分重要的理论意义和实用价值。

[0004] 目前作物的生长信息无损检测主要以光谱技术和图像技术为主。目前，作物营养、水分检测方面已有一些相关研究。在光谱检测方面，申请号为200510088935.0的发明专利申请，公开了一种便携式植物氮素和水分含量的无损检测方法及测量仪器，通过检测植株叶片在四个特征波长处的光谱反射强度信息来进行植物的营养诊断，利用对四个波长植被指数的反演来获取植物的氮素和含水率信息。申请号为200410048127.7的发明专利申请，公开了一种基于自然光照反射光谱的黄瓜叶片含氮量预测方法，可以通过黄瓜叶片在指定波长处的光谱反射强度得出叶片的反射植被指数，进而判断其氮素水平。在视觉图像检测方面，申请号为200710069116.0的发明专利，公开了一种多光谱成像技术快速无损测量茶树含氮量的方法。申请号为200510062298.X的发明专利申请和申请号为200520134360.7的实用新型专利申请，公布了一种油菜氮素营养多光谱图像诊断方法及诊断系统。上述系统均采用3CCD多光谱摄像系统作为视觉采集装置，在计算机控制下，通过3CCD多光谱摄像系统采集植株冠层多光谱图像信息，能够非破坏性的诊断植株的氮素营养状况。在作物的长势检测方面，申请号为200610097576.X的发明专利申请，公开了一种嵌入式农业植物生长状态监测仪及其工作方法，可以对作物生长的环境温湿度、茎粗、株高、土壤粘度和酸碱度进行探测，该系统仅通过茎粗、株高判断作物生长状态，且缺少动态的作物生长评价模型，因此难以对作物生长状态做出全面科学的评价。申请号为200410014648.0的发明专利申请公开了一种用于农作物生长监测及营养施肥处方生成装置和方法，该发明采用摄像机来获取作物的茎、叶、花、果、皮图像信息，利用营养成分检测仪获取农作物和土壤营养信息，由于摄像机仅能获取可见光合成图像，难以对作物的氮磷钾营养和水分特征进行精确分析，营养成分检测仪虽然可以获取作物的营养信息，但其取样和检测方式会对作物造成损害。

[0005] 综上所述，目前作物的生长信息的无损检测主要基于光谱和图像技术。光谱技术可以较便捷获得含氮量、含水率与光谱反射率或其演生量的关系；可见光或近红外视觉图像的颜色（灰度）、纹理、形态特征在一定程度上也能表征作物营养水平、叶面积、茎果叶等信息，作物的冠-气温差与水分胁迫也显著相关。但仅靠光谱、图像和冠层温度单一检测方法，获取营养或水分或叶面积指数、茎粗、株高、果实颜色形态等孤立信息，很难对作物生长状态做出全面、系统、科学的判断。且营养之间、营养与水分之间具有交互作用，检测过程受作物冠层结构、土壤背景光谱及大气窗口、温湿度等环境因子的影响较大，因此，仅仅用光谱技术，或可见光视觉图像、或近红外视觉图像、或植株的冠气温差等单一探测技术不足以准确、全面地反映作物营养、水分和长势等生长信息。而快速准确地获取作物的生长和环境信息，是对作物的生长状态进行科学评价的前提。

[0006] 综上所述，目前我国温室园艺信息检测尚无法对设施作物的生长和环境信息进行全面、精确的检测和解析，无法感知和反映作物生长真实的调控要求，造成作物产量潜力没有充分挖掘，运行能耗偏大的问题。鉴于以上原因，目前需要一种全方位获取温室作物的营养、水分和叶面积指数、茎粗、果实和植株生长速率，以及温光水气肥等作物生长和环境综合信息的方法，以指导现代温室生产，提高产量和品质，减少过量施肥和传统调控方式造成的浪费和污染，提高经济效益。

发明内容

[0007] 本发明的目的是提供一种融合光谱、视觉图像、红外成像多种无损检测技术，结合温室环境温度、湿度、光照、CO2浓度和营养液EC、pH值等作物生长和环境综合信息的准确探测，进而对作物的生长和环境信息进行科学评价，指导温室环境按需调控的信息获取方法，为现代温室环境调控和水肥管理提供科学依据。

[0008] 为实现上述目的，本发明基于多传感信息的温室作物生长和环境信息检测方法，按照下述步骤进行：

[0009] （1）利用光谱仪、多光谱成像仪和热成像仪直接获取温室作物的可见光-近红外反射光谱信息、多光谱图像信息和冠层温度信息；

[0010] （2）利用温度传感器、湿度传感器、辐照度传感器、CO2浓度传感器、EC和pH值传感器获取温室环境的温度、湿度、光照、CO2浓度、营养液电导率(EC)和pH值信息；

[0011] （3）对采集的作物的可见光-近红外反射光谱和多光谱图像进行分析处理，提取作物氮磷钾的可见光-近红外反射光谱特征波长和多光谱图像的颜色、纹理、灰度均值及融合特征，进而将获取的氮、磷、钾的可见光-近红外反射光谱和多光谱图像特征进行优化，构建作物氮磷钾营养的反射光谱和图像组合特征空间；

[0012] （4）对采集的作物的可见光-近红外反射光谱和作物的冠层温度信息进行分析和处理，提取作物水分的可见光-近红外反射光谱的特征波长和冠层温度，结合环境温度、湿度信息，获取冠-气温差和饱和水汽压，建立冠-气温差和水分胁迫指数模型；通过特征优化构建作物水分的反射光谱和冠层温度组合特征空间；

[0013] （5）对采集的作物的可见光-近红外反射光谱光谱信息和多光谱图像信息进行分析和处理，提取作物的叶面积指数和茎粗、株高、果实形态特征；并根据连续观测数据，求得植株生长速率和果实生长速率；

[0014] （6）利用获取的作物的氮磷钾营养、水分养分信息和叶面积指数、茎粗、株高、植株生长速率、果实生长速率长势信息，以及温室环境的温度、湿度、光照、CO2浓度、营养液EC和pH值信息，计算机进行连续监测记录和格式化，作为作物的生长和环境信息的检测数据。

[0015] 其中所述的步骤（3）、（4）、（5）中所采用的可见光-近红外反射光谱的分析处理方法，按照下述步骤进行：首先进行滤波，之后进行逐步回归和主成分分析提取特征。

[0016] 其中所述的步骤（3）、（4）、（5）中所采用的多光谱图像的分析处理方法，按照下述步骤进行：首先增强多光谱图像并进行像素级图像融合，之后通过超绿特征和二维直方图分割背景，最后进行颜色（灰度）均值计算、纹理分析和融合特征分析。

[0017] 本发明的效果是（1）本发明通过光谱、图像、红外温度等多种无损探测技术的有机融合，结合温度、湿度、光照、CO2浓度、营养液EC 和pH值等温室环境信息检测，全方位获取作物生长和环境的综合信息，不仅信息获取量更大，更丰富，而且能够更全面、精确地把握作物的生长状态，这在以往的文件中都没有涉及；（2）本发明通过作物的可见光-近红外反射光谱和多光谱图像信息的融合，来综合判断作物的氮磷钾营养水平；通过近红外光谱和冠层红外温度的信息融合来判断作物的水分胁迫状态，通过温室作物的视觉图像，提取其形态特征进而判断作物的长势，这在以往的文件中都没有涉及。

实施方案

[0020] 本发明基于多传感信息的温室作物生长和环境信息检测方法所需硬件组成和信息流程如附图1所示。其所需硬件组成包括光谱仪、多光谱成像仪、热成像仪、温湿度传感器、辐照度传感器、CO2浓度传感器、EC和pH值传感器、数据采集卡和计算机。其中光谱仪、多光谱成像仪、热成像仪用来采集作物营养、水分、长势等生长信息；辐照度传感器、温湿度传感器、CO2浓度传感器、EC和pH值传感器用来采集温室环境信息。光谱仪、多光谱成像仪、热成像仪获取的信息读取并传输给计算机；温湿度传感器、辐照度传感器、CO2浓度传感器、EC 和pH值传感器的输出信号经过数据采集卡进行A/D转换后上传计算机。

[0021] 下面结合附图2来说明对本发明所述该方法的具体实施方式。本发明基于多传感信息的温室作物生长和环境信息检测方法包括以下步骤：

[0022] （1）首先利用光谱仪、多光谱成像仪和热成像仪直接获取温室作物的可见光-近红外反射光谱信息、多光谱图像信息和冠层温度信息；

[0023] 在温室环境下，选择无云的晴天，实施本方法，信息采集时间选择在9：00～15：00；选用的光谱仪为美国ASD公司的FieldSpec® 3型便携式光谱分析仪，其光谱测量范围
350-2500nm；选用25°视场的探头，采用漫反射的方式采样，探头距离样本表面2～3cm，光谱测量以10次扫描平均值作为1个采样点光谱，每个样本选取3个采样点，再以其平均值作为作物的光谱反射率值。多光谱成像仪选用美国产MS-3100型多光谱累进扫描数字式相机，MS-3100成像光谱范围为350-1100nm，在俯视视场和R、G、B、NIR和RGB、CIR模式下，距离作物样本冠层70cm处采集中心波长分别为660nm、560nm、460nm的R、G、B图像和中心波长为810nm的近红外图像，及RGB、CIR合成图像；在侧视视场同样模式下，距离植株50cm处，采集中心波长分别为660nm、560nm、460nm、810nm的可见光-近红外多光谱图像，及RGB、CIR合成图像。作物冠层温度的测量选用美国FLUKE公司的TI50红外热成像仪，测量范围为-20～305℃，精度为0.07℃，为了消除太阳方位角及作物种植方向对观测值的影响，仪器与地面成45°，从6个不同方向进行样本测量，每次取6个测定值的平均值作为该样本的冠层温度值。光谱仪、多光谱成像仪和热像仪获取的数据由其自带的专业分析软件进行数据分析和处理。其中光谱分析软件采用自带的ViewSpec Pro 4.05进行光谱预处理和导出，采用化学计量学光谱分析软件NIRSA进行光谱数据处理；多光谱图像数据采用自带的Duncan软件进行数据采集，利用ENVI和IDL软件对多光谱图像进行处理、分析和特征提取；
热成像仪采用其自带软件SmartView 1.0进行分析和处理。

[0024] （2）利用温湿度传感器、辐照度传感器、CO2浓度传感器、EC 和pH值传感器获取温室环境的温度、湿度、光照、CO2浓度、营养液EC 和pH值信息；并将上述传感器采集的信息通过数据采集卡进行数字化转换后上传计算机分析；

[0025] 环境温湿度度采集选用奥地利的EE08型环境温湿度一体传感器，温度测量范围-40～80°C，湿度测量范围为0～100％RH；辐照度传感器采集选用意大利Dealto公司的HD2021T 型辐照度传感器，测量范围为0～100KLux ；温室内的CO2浓度测量选用国产CY8100型CO2浓度传感器，营养液电导率EC 测量采用德国WTW公司的Cond3310型EC传感器，营养液pH值测量采用BPH-200A型pH值传感器。数据采集卡为美国NI公司的NI USB-6251型数据采集卡，其AD精度为16位，具有8路差分BNC模拟输入，单通道采样率为1.25 MS/s。将环境温度、湿度、辐照度、电导率和pH值传感器的输出信号采用差分方式输入数据采集卡前端5路差分输入通道， A/D转换后通过USB总线上传计算机，计算机采用DELL580型台式计算机。利用数据采集卡自带的数据采集软件对温室环境信息进行处理，提取环境的温度、湿度、光照、CO2浓度、营养液EC 和pH值信息；

[0026] （3）对采集的作物的可见光-近红外反射光谱和多光谱图像进行分析处理，所采用的可见光-近红外反射光谱的分析处理方法为首先进行滤波，之后进行逐步回归和主成分分析提取特征；多光谱图像的分析处理方法为首先增强多光谱图像并进行像素级图像融合，之后通过超绿特征和二维直方图分割背景，最后进行颜色（灰度）均值计算、纹理分析和融合特征分析。计算机提取作物氮磷钾的可见光-近红外反射光谱特征波长和多光谱图像的颜色、纹理、灰度均值及融合特征，进而将获取的氮、磷、钾的可见光-近红外反射光谱和多光谱图像特征进行优化，构建作物氮磷钾营养的反射光谱和图像组合特征空间；

[0027] （4）对采集的作物的可见光-近红外反射光谱和作物的冠层温度信息进行分析和处理，提取作物水分的可见光-近红外反射光谱的特征波长和冠层温度，结合环境温度、湿度信息，获取冠-气温差和饱和水汽压，建立冠-气温差和水分胁迫指数模型；通过特征优化构建作物水分的反射光谱和冠层温度组合特征空间；

[0028] （5）对采集的作物的可见光-近红外反射光谱光谱信息和多光谱图像信息进行分析和处理，提取作物的叶面积指数和茎粗、株高、果实形态特征；并根据连续观测数据，求得植株生长速率和果实生长速率；

[0029] （6）利用获取的作物的氮磷钾营养、水分养分信息和叶面积指数、茎粗、株高、植株生长速率、果实生长速率长势信息，以及温室环境的温度、湿度、光照、CO2浓度、营养液EC和pH值信息，计算机进行连续监测记录和格式化，作为作物的生长和环境信息的检测数据。

附图说明

[0018] 图1是本发明所述方法所需硬件组成和信息流程示意图；

[0019] 图2是本发明基于多传感信息的温室作物生长和环境信息检测方法流程图。

1基于多传感信息的温室作物生长和环境信息检测方法