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。