一种棉花叶片叶绿素及氮素含量的检测仪器及检测方法

1.本发明涉及光谱分析及植物表型技术领域，特别是涉及一种可用于棉花叶片叶绿素及氮素含量检测的封闭便携式检测仪器及其检测方法。


背景技术：

2.棉花具有优良的自然特性，是我国重要的经济作物之一，棉花叶片叶绿素及氮素含量检测对于表征棉花的生理营养状态具有十分重要的意义。传统的棉花叶片叶绿素及氮素含量检测方法主要有紫外-可见分光光度法和凯氏定氮法，虽然这些方法为叶绿素及氮素含量的检测提供了可行性，且重现性好、准确度高，但其需要花费大量时间，工作繁琐，且样品损伤不可逆，这些缺点限制了传统方法的应用。近年来，随着自动化技术、机器视觉技术及光谱分析技术的发展，高通量、精准高效的植物叶片表型技术可以采用传感器测量植物叶片的叶绿素及氮素表型数据，以依据表型数据预测叶绿素及氮素含量，并取得良好效果，但由于高通量植物表型平台具有设备体积大、成本高、效率低、信息存储和处理困难等缺陷，其在实际中的运用受到很大限制，难以携带至田间进行实地数据采集。
3.基于此，亟需一种体积小、检测效率高的检测仪器及检测方法。


技术实现要素：

4.本发明的目的是提供一种棉花叶片叶绿素及氮素含量的检测仪器及检测方法，可实现棉花叶片叶绿素及氮素含量表型数据的快速自动获取，可以克服现有植物叶片表型平台难以携带、田间棉花叶片叶绿素及氮素含量无法快速实地获取的问题。
5.为实现上述目的，本发明提供了如下方案：
6.一种棉花叶片叶绿素及氮素含量的检测仪器，所述检测仪器包括：遮光外壳、控制芯片以及位于所述遮光外壳内部的反射率板、光源、rgb相机和光谱探头；所述反射率板位于所述遮光外壳的底面；所述控制芯片分别与所述rgb相机和所述光谱探头通信连接；
7.待测棉花叶片位于所述反射率板上；所述光源用于照射所述待测棉花叶片；所述rgb相机用于获取被所述光源照射的所述待测棉花叶片的rgb图像；所述光谱探头用于获取被所述光源照射的所述待测棉花叶片的光谱数据；
8.所述控制芯片用于基于所述rgb图像和所述光谱数据，计算所述待测棉花叶片的叶绿素含量和氮素含量。
9.一种棉花叶片叶绿素及氮素含量的检测方法，所述检测方法包括：
10.接收rgb相机获取的rgb图像和光谱探头获取的光谱数据；
11.提取所述rgb图像的颜色特征、形态特征和纹理特征，提取所述光谱数据的第一光谱特征和第二光谱特征；
12.将所述颜色特征、所述形态特征、所述纹理特征和所述第一光谱特征进行融合，得到第一融合特征；将所述颜色特征、所述形态特征、所述纹理特征和所述第二光谱特征进行融合，得到第二融合特征；
13.以所述第一融合特征作为输入，利用第一预测模型计算所述待测棉花叶片的叶绿素含量；以所述第二融合特征作为输入，利用第二预测模型计算所述待测棉花叶片的氮素含量。
14.根据本发明提供的具体实施例，本发明公开了以下技术效果：
15.本发明用于提供一种棉花叶片叶绿素及氮素含量的检测仪器及检测方法，利用rgb相机获取被光源照射的待测棉花叶片的rgb图像，利用光谱探头获取被光源照射的待测棉花叶片的光谱数据，然后提取rgb图像的颜色特征、形态特征和纹理特征，提取光谱数据的光谱特征，再将颜色特征、形态特征、纹理特征和光谱特征进行融合，得到融合特征，最后以融合特征作为输入，利用预测模型计算待测棉花叶片的叶绿素含量和氮素含量，可实现棉花叶片叶绿素及氮素含量表型数据的快速自动获取，可以克服现有植物叶片表型平台难以携带、田间棉花叶片叶绿素及氮素含量无法快速实地获取的问题。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明实施例1所提供的检测仪器的整体结构示意图；
18.图2为本发明实施例2所提供的检测方法的方法流程图；
19.图3为本发明实施例2所提供的检测仪器的操作流程图；
20.图4为本发明实施例2所提供的预测模型的网络结构示意图。
21.符号说明：
22.1-电源；2-电源插头；3-控制芯片；4-控制杆；5-光源；6-光谱探头；7-rgb相机；8-风扇；9-遮光外壳；10-启动按钮；11-待测棉花叶片；12-底部盛样抽屉；13-反射率板；14-usb输出接口。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.本发明的目的是提供一种棉花叶片叶绿素及氮素含量的检测仪器及检测方法，可实现棉花叶片叶绿素及氮素含量表型数据的快速自动获取，可以克服现有植物叶片表型平台难以携带、田间棉花叶片叶绿素及氮素含量无法快速实地获取的问题。
25.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
26.实施例1：
27.本实施例用于提供一种棉花叶片叶绿素及氮素含量的检测仪器，该检测仪器为一个封闭的便携式仪器。如图1所示，该检测仪器包括：遮光外壳9、控制芯片3以及位于遮光外
壳9内部的反射率板13、光源5、rgb相机7和光谱探头6。控制芯片3可为ai控制芯片及外围电路，该控制芯片3可位于遮光外壳9的内部，具体可安装于遮光外壳9的顶部。光源5可为一组阵列卤素灯，卤素灯是一种使用寿命长且光谱稳定的光源，该光源5可安装于遮光外壳9的顶部，优选安装于遮光外壳9的顶部中心位置。rgb相机7可为一个可拆卸的rgb相机，光谱探头6可为矩形的光谱探头。
28.反射率板13位于遮光外壳9的底面，待测棉花叶片11位于反射率板13上，反射率板13的反射率可为30％。光源5用于照射待测棉花叶片11，rgb相机7用于获取被光源5照射的待测棉花叶片11的rgb图像，光谱探头6用于获取被光源5照射的待测棉花叶片11的光谱数据。
29.由于待测棉花叶片11处于遮光外壳9中，且底部为反射率固定的反射率板13，并设置有光源5对待测棉花叶片11进行照明，可以避免外界光照的影响，在这一拍摄环境中，无需对获取到的rgb图像及光谱数据再进行复杂的背景消除工作，能够减少处理量。
30.控制芯片3分别与rgb相机7和光谱探头6通信连接，控制芯片3用于基于rgb图像和光谱数据，计算待测棉花叶片11的叶绿素含量和氮素含量。
31.作为一种可选的实施方式，遮光外壳9底部采用抽屉设计，其内侧底部设置有底部盛样抽屉12，底部盛样抽屉12通过滑轨与遮光外壳9滑动连接，遮光外壳9及底部盛样抽屉12形成封闭环境，使检测过程免于外界环境干扰。底部盛样抽屉12的底面为黑色，反射率板13位于底部盛样抽屉12的底面，待测棉花叶片11仍然位于反射率板13上。当需要向遮光外壳9内放置待测棉花叶片11时，则抽出底部盛样抽屉12，将待测棉花叶片11置于底部盛样抽屉12后，再合上底部盛样抽屉12，以更加方便的放置待测棉花叶片11，且可以方便调整待测棉花叶片11的放置位置。
32.本实施例的检测仪器还包括移动部件，移动部件位于遮光外壳9内部，具体可安装于遮光外壳9的顶部。rgb相机7和光谱探头6安装于移动部件上，移动部件用于驱动rgb相机7和光谱探头6水平移动及升降。具体的，移动部件包括驱动件和控制杆4，驱动件与控制杆4驱动连接，驱动件可为步进电机，步进电机可固定连接在遮光外壳9内部一侧壁上，控制杆4可为步进控制杆。控制杆4包括水平轴和纵轴，rgb相机7和光谱探头6安装于纵轴上，在步进电机的驱动下，完成安装在其上的光谱探头6和rgb相机7的升降及水平移动。通过升降，可以便于设置成像高度，例如，当待测棉花叶片11较小时，可以将光谱探头6和rgb相机7镜头调低，以获得更为准确的光谱及大小合适的rgb图像。
33.由于光源5、rgb相机7、光谱探头6长时间工作会产生热量，为了实现散热，本实施例的检测仪器还包括风扇8，风扇8位于遮光外壳9内部，并可安装于遮光外壳9的侧壁上，风扇8可为多个。风扇8用于进行散热。
34.本实施例的控制芯片3可与光源5、步进电机、光谱探头6、rgb相机7及风扇8控制连接，用于控制光源5、步进电机、光谱探头6、rgb相机7及风扇8的启动和关闭，控制芯片3还用于存储所采集的数据，所采集的数据包括rgb图像和光谱数据。
35.为了实现供电，本实施例的检测仪器还包括位于遮光外壳9外部的电源1，该电源1为外接移动电源，方便携带。电源1与遮光外壳9外侧所引出的电源插头2相连接，用于通过外围线路为光源5、步进电机、rgb相机7、光谱探头6及风扇8供电。
36.本实施例的遮光外壳9上还设置有启动按钮10和usb输出接口14，启动按钮10用于
启动该检测仪器，usb输出接口14用于导出采集数据和控制芯片3的检测结果。
37.本实施例的检测仪器便于携带至田间，可通过移动电源供电，同时采集光谱与图像信息，提取出叶片的颜色、形态及纹理特征、以及特征波长下光谱特征，将图像特征及光谱特征进行融合并利用控制芯片3对所采集数据进行实时处理，并根据集成于控制芯片3内的模型，利用光谱与图像的融合信息对叶片叶绿素及氮素含量参数进行预测计算及输出。本实施例所提供的检测仪器为可用于田间植物叶片表型检测的封闭式便携仪器，结构简单、便于携带、操作方便且成本较低，能提供算法实现所需的环境。利用本实施例的装置获取叶片的rgb图像及光谱数据，可直接实现棉花叶片叶绿素含量及氮素含量表型数据的快速获取，数据采集、计算及输出均在检测仪器的硬件平台上实现，无需将数据通过拷贝或互联网传输到远程服务器进行计算分析。
38.实施例2：
39.本实施例用于提供一种棉花叶片叶绿素及氮素含量的检测方法，控制实施例1所述的检测仪器进行工作，如图1和图2所示，所述检测方法包括：
40.s1：接收rgb相机7获取的rgb图像和光谱探头6获取的光谱数据；
41.如图3所示，利用检测仪器获取rgb图像和光谱数据的方式如下：启动电源1后，通过滑轨打开底部盛样抽屉12，放入待测棉花叶片11，并合上底部盛样抽屉12；控制芯片3控制打开光源5、步进电机、rgb相机7、光谱探头6及风扇8；等待光源5稳定后，控制步进控制杆移动，带动步进控制杆上所搭载的rgb相机7及光谱探头6移动，根据成像或光谱反射率的大小来判断待测棉花叶片11是否处于视野范围，具体根据待测棉花叶片11与30％反射率板13的颜色与反射率差异对待测棉花叶片11位置进行自动识别，确定待测棉花叶片11位置坐标，主要是根据rgb成像来判断完整叶片样本是否处于视野范围，不断移动，直至待测棉花叶片11在rgb相机7及光谱探头6的数据获取范围之内时停止移动，利用rgb相机7采集rgb图像，利用光谱探头6采集光谱探头6覆盖范围内的光谱数据。
42.打开底部盛样抽屉12还可以采用自动方式：控制芯片3输出驱动信号，使底部盛样抽屉12弹出。
43.需要说明的是，如果待测棉花叶片11过大，无论如何移动rgb相机7和光谱探头6均无法使待测棉花叶片11完全位于rgb相机7及光谱探头6的数据获取范围之内，即在待测棉花叶片11较大，rgb相机7及光谱探头6无法一次采集到完整叶片图像和光谱数据的情况下，也可以不断移动rgb相机7及光谱探头6进行多次拍摄，并进行数据拼接，以得到完整待测棉花叶片11的rgb图像及光谱数据，可以较好解决待测棉花叶片11较大无法直接进行数据获取的问题。
44.s2：提取所述rgb图像的颜色特征、形态特征和纹理特征，提取所述光谱数据的第一光谱特征和第二光谱特征；
45.具体的，s2中，提取rgb图像的颜色特征、形态特征和纹理特征可以包括：
46.(1)对rgb图像进行阈值分割，得到二值图像；所述二值图像包括叶片像素点和背景像素点；
47.更为具体的，对rgb图像进行阈值分割的方式为：将rgb图像转换至hsv空间，由于叶片和背景的s分量值差异较大，故设定固定的s(饱和度)值，形成掩模，利用掩膜对rgb图像进行处理形成二值图像，对于rgb图像中的每一像素点，如果该像素点的s分量值大于固
定的s值即为叶片像素点，所对应的像素值取1；否则，即该像素点为背景像素点，所对应的像素值取0。
48.(2)将rgb图像分别转换至hsv颜色空间和lab颜色空间，确定每一叶片像素点的r、g、b、h、s、v、l、a、b分量值，r、g、b、h、s、v、l、a、b是不同的颜色空间，即依据二值图像提取叶片连通区域的r、g、b、h、s、v、l、a、b分量值；再根据所有叶片像素点的r、g、b、h、s、v、l、a、b分量值分别计算每一种分量的平均值，得到rgb图像的颜色特征，颜色特征包括r、g、b、h、s、v、l、a、b分量的平均值。
49.(3)基于叶片像素点的数量计算rgb图像的形态特征；形态特征包括叶片的面积、周长、宽度、高度、majoraxislength、minoraxislength、eccentricity和equivdiameter；
50.更为具体的，叶片图像可以看作是叶片像素点的集合，叶片整体的像素点间存在相互连通的关系，二值图像中的叶片区域是一个连通集合。分析连通区域中的像素点数量，并计算其叶片连通区域像素点占总像素比例，再乘以图像视野面积则可得到叶片面积。周长为背景与叶片连通区域交界处，即叶片连通区域最外一圈的像素点数目。宽度为包含叶片连通区域在内的最小矩形(也即叶片连通区域的最小外接矩形)沿x轴方向的像素点数目，相应的，高度则为包含叶片连通区域在内的最小矩形沿y轴方向的像素点数目。majoraxislength则为与叶片连通区域具有相同标准二阶中心矩的椭圆的长轴长度，即椭圆长轴的像素点数目。minoraxislength为与叶片连通区域具有相同标准二阶中心矩的椭圆的短轴长度，即椭圆短轴的像素点数目。eccentricity为与叶片连通区域具有相同标准二阶中心矩的椭圆的离心率，是椭圆焦点之间的距离与其长轴长度的比值。equivdiameter为与叶片连通区域具有相同面积即相同像素点数目的圆的直径。这些指标可基于matlab中regionprops函数计算得到。
51.(4)计算二值图像的灰度共生矩阵，基于灰度共生矩阵计算rgb图像的纹理特征；所述纹理特征包括最大概率、相关度、对比度、能量、同质性和熵。
52.共生矩阵用两个位置的像素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的像素之间的位置分布特性，是有关图像亮度变化的二阶统计特征，是定义一组纹理特征的基础。图像的灰度共生矩阵是像素距离和角度的矩阵函数，它通过计算图像中一定距离和一定方向的两点灰度之间的相关性，来反映图像在方向、间隔、变化幅度及快慢上的综合信息。最大概率是指最大像素对的概率，相关度用于度量空间灰度共生矩阵元素在行或列方向上的相似程度，对比度反映了图像的清晰度和纹理沟纹深浅的程度，能量是灰度共生矩阵元素值的平方和，反映了图像灰度分布均匀程度和纹理粗细度，同质(也即逆差距)反映图像纹理的同质性，度量图像纹理局部变化的多少，熵是图像所具有的信息量的度量，它表示了图像中纹理的非均匀程度或复杂程度。
53.s2中，提取光谱数据的第一光谱特征和第二光谱特征可以包括：
54.(1)将rgb图像和光谱数据进行像素级对应，得到rgb图像中每一像素点的光谱数据；
55.(2)对rgb图像进行阈值分割，得到二值图像，二值图像包括叶片像素点和背景像素点；
56.(3)根据所有叶片像素点的光谱数据计算得到叶片平均光谱，并选取第一特征波长对应的叶片平均光谱作为光谱数据的第一光谱特征，选取第二特征波长对应的叶片平均
光谱作为光谱数据的第二光谱特征。
57.计算所有叶片像素点的光谱数据的平均值，得到叶片平均光谱。特征波长可为：380-450、1630-2000、2280-2495nm。
58.需要说明的是，特征波长是在训练预测模型的过程中所确定的。在训练预测模型时，需要构建训练集，采集多个叶片样本的rgb图像和光谱数据，对rgb图像进行特征提取，得到每一叶片样本的颜色特征、纹理特征和形态特征。对光谱数据进行处理，计算每一叶片样本的叶片平均光谱，然后对叶片平均光谱进行标准正态变量变化和一阶导数的联合预处理，并利用竞争自适应权重采样法-cars特征波长选择方法选择出特征波长，具体通过cars特征波长选择方法将每一叶片样本的叶片平均光谱与叶绿素含量实际值代入计算，即可计算得到第一特征波长，通过cars特征波长选择方法将每一叶片样本的叶片平均光谱与氮素含量实际值代入计算，即可计算得到第二特征波长，选取叶片样本中与第一特征波长对应的叶片平均光谱组成每一叶片样本的第一光谱特征，选取叶片样本中与第二特征波长对应的叶片平均光谱组成每一叶片样本的第二光谱特征。以颜色特征、纹理特征、形态特征和第一光谱特征进行融合，得到每一叶片样本的第一融合特征，以每一叶片样本的第一融合特征作为样本输入数据，以每一叶片样本的叶绿素含量实际值作为该样本的标签数据，组成第一训练数据集，对初始模型进行训练，即可得到第一预测模型。以颜色特征、纹理特征、形态特征和第二光谱特征进行融合，得到每一叶片样本的第二融合特征，以每一叶片样本的第二融合特征作为样本输入数据，以每一叶片样本的氮素含量实际值作为该样本的标签数据，组成第二训练数据集，对初始模型进行训练，即可得到第二预测模型。
59.s3：将所述颜色特征、所述形态特征、所述纹理特征和所述第一光谱特征进行融合，得到第一融合特征；将所述颜色特征、所述形态特征、所述纹理特征和所述第二光谱特征进行融合，得到第二融合特征；
60.s4：以所述第一融合特征作为输入，利用第一预测模型计算所述待测棉花叶片的叶绿素含量；以所述第二融合特征作为输入，利用第二预测模型计算所述待测棉花叶片的氮素含量。
61.本实施例的第一预测模型和第二预测模型均采用计算叶绿素和氮素含量的深度卷积神经网络模型，如图4所示，深度卷积神经网络模型包括依次连接的输入层、特征提取层、全连接网络层和输出层。特征提取层包括依次连接的多个卷积块，卷积块的数量可为3个，每一卷积块均包括一个卷积层、一个relu激活函数和一个最大池化层，卷积层的卷积核尺寸为3*3，步长为1，最大池化层的尺寸为3*3，步长为2。全连接网络层包括依次连接的多个全连接层，全连接层的数量可为2个，神经元个数分别为128和32。
62.采用第一训练数据集训练上述深度卷积神经网络模型，以学习建立第一融合特征与叶绿素含量之间的映射关系，以构建第一预测模型；采用第二训练数据集训练上述深度卷积神经网络模型，以学习建立第二融合特征与氮素含量之间的映射关系，以构建第二预测模型。该第一预测模型和第二预测模型集成在控制芯片3内。将s3处理得到的第一融合特征作为集成在控制芯片3内的第一预测模型的模型输入，将s3处理得到的第二融合特征作为集成在控制芯片3内的第二预测模型的模型输入，根据固化在控制芯片3中的第一预测模型和第二预测模型即可计算叶绿素和氮素含量，并输出。
63.本实施例的控制芯片3将获取到的光谱数据与rgb图像进行像素级的组合对应，完
成图像信息与光谱信息的对应，合成多通道的光谱点阵图像，并利用集成在控制芯片3内的光谱图像处理算法对数据进行处理，计算叶面积表型指标(包括形态特征、颜色特征、纹理特征及光谱特征)，基于集成在控制芯片3内的预测模型，以光谱与图像的融合特征作为输入，对叶绿素含量及氮素含量进行预测计算。计算完成后，控制芯片3可对单次测量计算数据进行打包存储，外部设备可通过usb输出接口14访问上述计算数据结果。
64.本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
65.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。