[发明专利]植物幼苗综合性状活体无损检测方法

权利要求书

1.一种植物幼苗综合性状活体无损检测方法，其特征在于，包括以下步骤：

S1，对植物幼苗进行高光谱成像，获得高光谱成像的数据立方体，从所述数据立方体中提取RGB图像，从所述RGB图像中提取幼苗的形态参数；所述数据立方体由空间X维、空间Y维和光谱维的数据组成，其中，所述空间X维和空间Y维组成图像维；

S2，分别提取幼苗叶片或茎秆在所述图像维上的对应区域，进行背景分割，然后截取这些区域的叶片或茎秆，计算所截取叶片或茎秆的平均光谱，采用国标规定的方法测定其组分含量，并采用化学计量学方法建立所述平均光谱和组分之间的定量预测模型，采用该模型对单一叶片或茎秆的平均组分含量进行预测，并对叶片或茎秆上每个像素点的组分进行预测，获得组分含量及分布图；

S3，针对正常幼苗及发生不同病虫害的幼苗，通过寻找它们在多个特征波段下的图像维的变化，比较它们在特征波段下的光谱图像差异，然后计算并提取相关特征波段下的图像直方图的特征参数及统计特征参数，利用所提取的直方图的特征参数采用模式识别方法建立病虫害模型；

S4，利用步骤S1、S2、S3所获得的幼苗的形态参数、组分含量以及病虫害信息，通过特征级信息融合方法和模糊综合评判方法建立植物幼苗预测长势模型。

2.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，在步骤S1中，从所述数据立方体中提取RGB图像的方法具体为：

从所述数据立方体的光谱维中提取RGB分量的光谱特征波段，从而得到幼苗的RGB图像；或者对所述图像维中每个像素点的光谱值进行积分计算，以获得该点的RGB分量，从而获得幼苗的整幅RGB图像。

3.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，在步骤S2中，分别提取幼苗叶片或茎秆在所述图像维上的对应区域，进行背景分割，然后截取这些区域的叶片或茎秆，计算所截取叶片或茎秆的平均光谱，通过调整区域的大小和相似程度来降低不均性对光谱的影响。

4.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，在步骤S2中，采用国标规定的方法测定所截取的叶片或茎秆的组分含量的方法具体为：采集大小和颜色相似的叶片或茎秆，分别测量其高光谱图像并进行平均光谱的计算，然后将这些相似的叶片或茎秆放在一起用国标规定的方法测量组分含量。

5.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，所述通过特征级信息融合方法或模糊综合评判方法建立植物幼苗长势模型的方法具体为：首先，从高光谱图像数据中提取出植物幼苗的形态参数、组分含量，以及病虫害信息，对三者进行归一化处理，然后输入到人工神经网络中进行训练，以建立幼苗综合性状评估模型；或者对上述三个方面的参数进行主成分分析，提取若干主成分输入到人工神经网络中建立幼苗综合性状评估模型；或者对上述三个方面的参数赋以经验权值，根据隶属度建立植物幼苗长势模糊综合评判模型。

6.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，所述对植物幼苗检测的高光谱成像的光谱范围为400-1100nm。

7.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，在步骤S2中，所述化学计量学方法为线性回归、多项式回归、对数回归、指数回归、多元线性回归、偏最小二乘回归、人工神经网络以及支持向量回归方法之一。

8.如权利要求1所述的植物幼苗综合性状活体无损检测方法，其特征在于，在步骤S3中，所述特征波段的选择方法为相关系数法或遗传算法。

9.如权利要求1～8之任一项所述的植物幼苗综合性状活体无损检测方法，其特征在于，在建立所述平均光谱和组分之间的定量预测模型之前，对所述评价光谱进行预处理，预处理的方法包括中心化、归一化、求导变换、去噪声、正交信号校正之一或其任意组合。