基于多光谱成像系统的群体番茄叶绿素、氮素特征提取及模型研究

In order to achieve a rapid and non-destructive application of monitoring the growth of tomato groups with low-cost and to overcome the time and space limitations of aerospace and aerial remote sensing and to remove the disadvantages of narrow perspective caused by close spectral analysis, it proposes the feature extraction of tomato chlorophyll and nitrogen content and its study model based on multi-spectral imaging system. Firstly, with the help of the spectroscopic analysis technology, it validates and adjusts the sensitive bands to characterize the level of crop nutrition, the differential spectral characteristics and vegetation indices achieved from the pre-project studies. Secondly, according to the sensitive spectral bands, it builds a multi-spectral imaging system and makes the camera calibration complete, and then it deals with the difficulties of image segmentation and image quality degradation influenced by the factors of the complex background, the nonflatness of blades and lighting conditions. It makes possible the reconstruction of the reflectivity of the multi-spectral image and the split extraction of the best diagnostic blades. Finally, it defines the multi-spectral image characteristic parameters, from the perspectives of gray scale, color, shape and texture. Moreover, it puts forward the optimal parameters with combination of the correlation analysis, systematic cluster analysis, and the multivariate collinearity diagnosis. It constructs the model of nutrition diagnosis with the method of multivariate analysis to provide a scientific basis for the meticulous management of tomato cultivation.

为了实现快速、无损、成本低廉、适用于番茄群体的长势监测，克服航天、航空遥感的时空局限，近地光谱分析视场角偏小的弊端，提出基于多光谱成像系统的番茄叶绿素、氮素特征提取及模型研究。首先，利用光谱分析技术对前期项目已探析的能表征作物营养水平的敏感波段、微分光谱特征、植被指数进行验证及调整。其次，根据敏感光谱频带，构建多光谱成像系统，完成相机标定，进而解决复杂背景、叶片平整度、光照条件等因素造成的分割提取困难和图像质量退化问题，实现多光谱图像的反射率重建及最佳诊断叶片的分割提取。最后，从灰度、色彩、形状、纹理出发定义多光谱图像特征参数，结合相关性分析、系统聚类分析、多重共线性诊断，提取出最优参量，并采用多变量解析方法构建营养诊断模型，为番茄栽培的精细化管理提供科学依据。

为了实现快速、无损、成本低廉、适用于番茄群体的长势监测，开展了基于多光谱成像系统的番茄叶绿素、氮素特征提取及模型研究。首先，从原始光谱、吸光度光谱、一阶微分光谱、去除包络线光谱出发，对比分析了多种图谱净化手段，并以去除包络线和自相关分析为基础，提取了叶绿素诊断敏感波段436，564，591，612，635，683，760 nm。其次，对比研究了最大一阶导数法、多项式拟合法、拉格朗日法、线性外推法、倒高斯模型法、线性四点内插法等6种红边位置提取算法，其中线性外推法对数曲线叶绿素估测模型精度最优，其验证决定系数Rv2为0.77。随后，以营养诊断敏感波段为基础，搭建多光谱成像系统进行番茄长势监测研究。从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发，实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割，发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima 变换能得到最优的目标标记结果，番茄冠层叶片分割精度为79%；为解决自然光照条件及叶片平整度差异给作物营养诊断带来的不利影响，对比分析了自适应Gamma校正、多尺度Retinex和反射率重建等3种弱化光照影响预处理方法。另外，为了给自动化采摘及番茄产量估测提供技术支持，提出量子进化算法与蚁群算法融合的树上番茄分割识别，将量子比特的两个概率幅看作是蚂蚁当前位置，在蚂蚁数目相同时，可使搜索空间加倍，同时用量子非门来实现变异操作，有效避免了传统蚁群算法陷入早熟的弊端。项目实施中，共申请发明专利1项，软件著作权1项，出版译著1部，发表学术论文10篇，其中SCI收录论文1篇，EI收录论文7篇。由于受病虫害胁迫，作物叶绿素组织将遭受破坏，光合作用减弱，过氧化物酶活性降低，运输和转化等机能衰退，本研究虽然建立了多种应用背景下的番茄营养估测模型，但并未就病害胁迫和营养素含量间的耦合关系进行深入研究，因此有必要开展番茄病虫害诊断及生理缺素等方面的研究。