详情

原文传递一种自动实现白菜多项指标的综合快速预测装置及方法

专利名称：	一种自动实现白菜多项指标的综合快速预测装置及方法
摘要：	本发明公开了一种自动实现白菜多项指标的综合快速预测装置及方法，属于白菜多项指标综合预测技术领域，所述自动实现白菜多项指标的综合快速预测装置包括实验箱、电源控制器、可抽拉载物台、主控机、相机和光源组件；本发明中，相机采用JAI公司的AD‑130GE四通道多光谱相机，利用的2‑CDD四通道成像设备采集白菜的多光谱图像信息，相比采用传统的方式进行测量，具有无损性，且提高预测装置的工作效率；实验箱前侧采用箱门进行封闭，避免外界自然光及灯光对检测结果的影响；自动实现白菜多项指标的综合快速预测装置结构简单，操作方便快捷，便于市场推广与应用。
专利类型：	发明专利
国家地区组织代码：	河北;13
申请人：	河北农业大学
发明人：	范晓飞;赵建军;张君;张东方;周玉宏;索雪松;刘梦洋;申书兴;陈雪平;孙磊;海妍
专利状态：	有效
申请日期：	2022-01-11T00:00:00+0800
发布日期：	2022-03-29T00:00:00+0800
申请号：	CN202210028586.7
公开号：	CN114252398A
代理机构：	北京众泽信达知识产权代理事务所(普通合伙)
代理人：	周振
分类号：	G01N21/01;G01N21/27;G01N21/31;G;G01;G01N;G01N21;G01N21/01;G01N21/27;G01N21/31
申请人地址：	071000 河北省保定市灵雨寺街289号
主权项：	1.一种自动实现白菜多项指标的综合快速预测装置，其特征在于：包括实验箱(1)、电源控制器(2)、可抽拉载物台(3)、主控机(4)、相机(5)和光源组件(6)，所述电源控制器(2)安装在实验箱(1)的上方；所述可抽拉载物台(3)设置在实验箱(1)内部的下方；所述主控机(4)安装在实验箱(1)的外侧；所述相机(5)安装在实验箱(1)内部的上方；所述光源组件(6)安装在相机(5)的下方；所述光源组件(6)包括第一光源(61)、第二光源(62)和相机镜头(63)，所述相机镜头(63)安装在相机(5)的下方；所述第二光源(62)安装在相机镜头(63)的外沿；所述第一光源(61)安装在第二光源(62)的外沿。 2.根据权利要求1所述的一种自动实现白菜多项指标的综合快速预测装置，其特征在于：所述实验箱(1)的前侧下方采用敞口式设置；所述电源控制器(2)通过电源线与市电相连，且电源控制器(2)用于调节第一光源(61)和第二光源(62)的光源强度；所述可抽拉载物台(3)的前端贯穿至实验箱(1)的前侧，且可抽拉载物台(3)用于放置被测的白菜样本；所述主控机(4)通过导线分别与电源控制器(2)相连。 3.根据权利要求1所述的一种自动实现白菜多项指标的综合快速预测装置，其特征在于：所述相机(5)通过导线分别与电源控制器(2)和主控机(4)相连，且相机(5)用于采集可见光和近红外四个通道的图像。 4.根据权利要求1所述的一种自动实现白菜多项指标的综合快速预测装置，其特征在于：所述第一光源(61)采用圆环形结构，且第一光源(61)通过导线与电源控制器(2)相连；所述第二光源(62)通过导线与电源控制器(2)相连，且第二光源(62)采用圆环形结构；所述相机镜头(63)为相机(5)的摄像头。 5.一种自动实现白菜多项指标的综合快速预测方法，其特征在于：所述自动实现白菜多项指标的综合快速预测方法包括以下步骤：步骤S101：利用相机(5)采集白菜处于幼苗期、莲座期、结球前期、结球中期、结球后期、收获期的多光谱图像信息，并获得各样本的理化指标与SPAD值；步骤S102：利用可见光图像的G通道图像进行图像的灰度化、二值化等图像处理；步骤S103：利用图像处理后的图像剔除白菜的叶脉部分，提取白菜的叶片部分图像信息；步骤S104：将白菜叶片部分的可见光图像和近红外图像进行叠加，得到白菜叶片处于四个通道的多光谱图像；步骤S105：处理后的白菜叶片多光谱图像进行图像的翻转进行数据增强；步骤S106：将翻转后的图像与逐个指标变量值对应，实现数据的扩增；步骤S107：建立基于自搭建多光谱成像装置的白菜各指标预测的深度学习模型，最终实现同时全自动预测白菜多项指标。 6.根据权利要求5所述的一种自动实现白菜多项指标的综合快速预测方法，其特征在于：所述步骤S101中，理化指标指光合色素，由于光合色素不溶于水但溶于有机溶剂，有机溶剂为采用无水乙醇和丙酮的混合溶液，其中无水乙醇和丙酮按照1：1进行混合，具体过程为使用打孔器在各样本处于同一节位主脉一侧打孔取样0.2g，将采集的0.2g样本置于干燥试管中，取10ml乙醇和丙酮的混合药品溶液，试验样本在该混合溶液中浸泡24h直至叶片变白，再利用分光光度计在663nm、645nm和440nm下比色测定吸光度，三个波段的吸光度分别为A663、A645、A440；四项理化指标的计算公式如下叶绿素a＝(12.7×A663-2.69×A645)×V/(W×1000)；叶绿素b＝(22.88×A645-4.67×A663)×V/(W×1000)；总叶绿素＝(8.04×A663+20.69×A645)×V/(W×1000)；类胡萝卜＝[4.695×A440-0.268×(Cho a+Cho b)]×V/(W×1000)；其中V＝10，W＝0.2，Cho a和Cho b分别为叶绿素a和叶绿素b。 7.根据权利要求5所述的一种自动实现白菜多项指标的综合快速预测方法，其特征在于：所述步骤S107中，由于试验数据量的限制，为避免过拟合情况的出现，同时为了适应输入端为所采集的四通道多光谱图像，采用自己手动搭建的浅层的CNN网络模型，该算法可以避免其他算法参数过多，运算时间长问题，提高模型的运算速度与准确度，经过模型的修改与模型的训练与验证，最终选取的整个模型一共23层，该模型由一个输入层、五个卷积层、与卷积层对应的五个激活层、与卷积层对应的五个池化层与一个全连接层组成，输入层为100×100像素的四通道图像，五个卷积层的卷积核大小与数量，Batch Normalization层作为归一化层，将Leaky ReLU激活函数作为激活层，池化层为最大池化层。 8.根据权利要求5所述的一种自动实现白菜多项指标的综合快速预测方法，其特征在于：所述步骤S107中，经过迭代次数、学习率等参数的调整，实现深度学习模型的建立，利用决定系数R2与均方根误差RMSE对模型进行评判，两个参数的公式如下：最终结果：经过评判参数的对比选取最优的深度学习模型架构以实现对白菜各项指标的综合预测。 9.根据权利要求5所述的一种自动实现白菜多项指标的综合快速预测方法，其特征在于：所述步骤S107中，最终利用进行白菜样本数据的采集，将所采集的数据输入自己搭建的深度学习模型，直接得到白菜多项指标的预测值，实现了端到端的快速测量方法，从样本的采集到样本五项指标的精准预测，该方法方便快捷，人工成本低，工作效率高，实现了快速无损的白菜叶片各指标的综合测定，为研究白菜的发育过程中叶绿素、类胡萝卜素等指标的变化提供可靠的信息，帮助研究者更快的监测白菜的生长状况。
所属类别：	发明专利