基于高光谱错位成像技术的水稻叶片氮素三维分布检测方法研究

The acquisition of the three-dimensional distribution of nitrogen in plant leaves is very important for precision crop nutrient management, genetic breeding and efficient gene screening. The disadvantages of existing crop nitrogen measurement methods include uncertainty measuring in leave position, limited sampling points and so on, so the three-dimensional distribution of nitrogen is not obtained accurately. In this project, the research object is the rice plant in the vegetative growth stage and the detection method for three-dimensional rice nitrogen distribution will be developed based on the characteristics of hyperspectral images. ① Due to the low spatial resolution and hybrid projection mode of hyperspectral imaging technology, the method for acquiring high resolution hyperspectral images will be evaluated. ② The transition function will be deduced between the image and the model of hybrid projection imaging mode, and the corresponding texture mapping model will be established. ③ The best texture selection algorithm will be designed based on the spectral fidelity principle. Leave nitrogen will be estimated based on the model between actually-measured rice nitrogen data and hyperspectral data. Thus, the acquisition of the three-dimensional distribution of nitrogen in rice plants is accomplished. This project will provide a high-efficient, environmentally-friendly, and convenient method to acquire rice nitrogen. Moreover, the results from this project will have scientific significance and application value for the development of high-throughput crop phenotypic data acquisition technology and for crop variety selection and cultivation.

摘要：作物叶片氮素营养三维分布信息获取是作物养分精确管理、遗传育种和基因高效筛选的重要依据。现有测氮方式存在测量叶位不确定，信息量有限等问题，无法精确获取氮素三维分布信息。本项目以营养生长期水稻为研究对象，利用高光谱图像图谱合一的特点，开展水稻氮素营养三维分布检测方法研究：①针对高光谱成像技术普遍存在的空间分辨率低及推扫成像方式导致的混合投影模式问题，研究高分辨率高光谱图像获取方法；②推演基于混合投影成像方式的影像与模型间的变换函数，并建立相应的纹理映射模型；③并依据光谱保真原则，设计最佳纹理选取算法，并结合水稻氮素-光谱反演模型，计算氮素反演结果，实现水稻氮素营养三维空间分布量化信息的获取。本项目的实施将为水稻氮素营养的相关研究提供一个高效、环保和便捷的获取方法，同时也为高通量作物表型观测技术的发展提供技术支撑，为作物筛选、培育提供更加科学、直观、高效的观测手段，具有重要科学意义和应用。

作物生长过程中的养分输送和叶片氮素营养三维分布信息作为可以量化其营养状况，判断其栽培管理措施和植物营养方案是否合理的依据之一，也是作物栽培、植物营养、遗传育种和基因筛选领域的关注重点。本研究拟以营养生长期水稻地上部分为研究对象，在项目初期我们针对实验水稻的生长特性和项目研究需要，设计和实施水稻栽培试验，进行实验环境准备，完善了三维作物自动成像系统和高光谱图像超分辨率重建系统；项目执行的中期，针对水稻植株三维叶绿素信息获取的最优波段选择问题进行研究，采用改造后的普通单反相机加载近红外滤光片的方法，多角度获取水稻植株的多光谱图像，基于不同波段不同通道的组合图像计算多种植被指数，将其结果与对应的实测SPAD值之间建立水稻植株叶绿素预测模型，并筛选出最优预测模型，以此内容发表SCI论文一篇。同时进行消费级近红外相机的水稻叶片叶绿素（SPAD）分布问题研究。用改造后的普通单反相机搭载滤波片的方式拍摄叶片的可见光和中心波长为650nm、680nm、720nm、760nm、850nm、950nm多个波段的近红外图像，获取不同波段的相对反射率值，通过可见光与多个近红外波段结合的回归分析与比较，筛选出精度较高且稳定的模型，以此内容发表SCI论文一篇。项目执行的后期，进行基于红外立体成像技术的水稻叶片氮素三维分布问题研究。提出一种能够从经近红外改造的数码相机拍摄的图像中计算水稻氮素三维分布的方法，该部分成果正在整理准备发表中。.在此基金的支持下，本项目实施期间以项目负责人和项目组成员为第一作者或通讯作者共发表论文12篇，其中SCI收录8篇，EI收录2篇，CSCD收录2篇，参加1次国际学术会议，并受邀做报告。.