[发明专利]一种叶绿素含量预测方法

说明书

本发明提供一种叶绿素含量预测方法，包括：S1，获取待测树木的三维冠层模型，将三维冠层模型划分为若干个立方单元，获取任一立方单元的颜色值；获取任一立方单元的相对光照强度；根据各立方单元的相对光照强度将各立方单元划分为若干个光照区域；S2，将任一立方单元的颜色值和相对光照强度输入叶绿素含量预测模型，获取该立方单元的叶绿素预测值，将该立方单元的叶绿素预测值作为该立方单元对应的光照区域的叶绿素预测值。本发明提供的方法，基于三维冠层模型进行颜色采集，对不同光照区域的叶绿素含量进行预测，无破坏性，不影响树木生长的连续性，效率更高、准确性更好，为不同光照区域的叶绿素含量的测量提供了快速、无损的途径。

技术领域

本发明涉及冠层三维重建技术领域，尤其涉及一种叶绿素含量预测方法。

背景技术

叶绿素含量的多少不仅与光合作用有关，而且还影响作物的主要产量。果树冠层不同光照区域叶绿素含量的研究一直是果树学专家以及其他农业科研人员的研究热点。

测量叶绿素含量的传统方法是采用化学方法，即：将样本叶片器官溶解并提取的方法。尽管这种基于实验室的方法能够精确测量叶绿素含量，但是具有破坏性，影响作物生长连续性，同时费时费力且成本高进一步限制了该方法的广泛应用。手持式设备，例如SPAD叶绿素测量仪是有效测量叶绿素含量的非接触式测量设备之一，该设备已经广泛应用与许多作物叶绿素含量的测量。尽管这种测量仪非常便携，但是不适合于测量树木的叶绿素含量，因为树木冠层器官较为复杂(枝干，叶子，花，果实等)而且较高，不利于测量者探测冠层内部。

此外，由于叶片颜色信息能够有效反应植被指数，在大田领域，具有RGB颜色分量的二维照相机已经具有快速预测叶绿素的能力。然而具有颜色信息的二维成像系统，并不适合于获取高大果树冠层不同空间区域的颜色。因为拍摄过程中，其他物体，例如土壤，枝干会增加图像分割的难度，降低叶绿素预测速度及准确性。

目前，在叶绿素的获取过程中，不同光照区域也逐渐被考虑在内。如何快速无损的实现树木冠层不同光照区域的叶绿素含量的测量，尤其是在果园自然环境中开展此项研究将是一个巨大的挑战。

发明内容

本发明为解决现有技术中存在的问题，提供了一种叶绿素含量预测方法。

一方面，本发明提出一种叶绿素含量预测方法，包括：S1，获取待测树木的三维冠层模型，将所述三维冠层划分为若干个立方单元，获取任一立方单元的颜色值；获取任一立方单元的相对光照强度；根据各立方单元的相对光照强度将各立方单元划分为若干个光照区域；S2，将任一立方单元的颜色值和相对光照强度输入叶绿素含量预测模型，获取该立方单元的叶绿素预测值，将该立方单元的叶绿素预测值作为该立方单元对应的光照区域的叶绿素预测值。

优选地，所述步骤S2前还包括：S01，获取若干个样本树木的三维冠层模型，将各三维冠层模型分别划分为若干个立方单元，获取各立方单元的颜色值；S02，获取各立方单元的相对光照强度和叶绿素含量；S03，将各立方单元的颜色值、相对光照强度和叶绿素含量输入BP神经网络进行训练，直至所述BP神经网络的精度达到目标精度或训练次数达到训练次数阈值；S04，将训练得到的BP神经网络作为叶绿素含量预测模型。

优选地，所述步骤S1中，获取待测树木的三维冠层模型，将所述三维冠层划分为若干个立方单元，获取任一立方单元的颜色值，进一步包括：S11，应用三维激光扫描设备获取待测树木的三维冠层模型；S12，根据所述三维冠层模型中的距离信息，将所述三维冠层模型划分为若干层，并将各层划分为若干行×若干列的立方单元；S13，获取任一立方单元的R分量、G分量和B分量，应用下式计算该立方单元的颜色值；所述颜色值包括第一颜色值和第二颜色值；

X₁＝(R-B)/(R+B)

式中，X1为第一颜色值，X2为第二颜色值，R、G和B分别为R分量、G分量和B分量；S14，获取该立方单元的相对光照强度。