一种基于光谱校正的车载植物养分光谱检测仪
技术领域
本发明植物养分检测领域，具体涉及一种基于光谱校正的车载植物养分光谱检测仪。
背景技术
在作物种植中，作物响应的信息处理需要满足快速、实时的要求，达到监测植物生长发育状况，从而科学指导栽培、施肥管理工作，确保作物长势良好，提高作物品质和产量，对实践精准农业和林业具有重要的意义。而传统的检测技术通常需要在实验室中进行生化检测和分析，虽然这种方法对化学物质的检测更为准确。但也存在许多不足，如成本高、耗时费力、操作复杂、使用化学试剂容易污染环境等。以叶绿素检测为例，传统的叶绿素含量检测方法是分析化学方法，即将叶片采集到实验室，经过化学溶剂提取，再在分光光度计上测定其提取液在两个特定波长处的吸光度，根据公式计算出叶绿素的含量。该方法测量精度高,但操作繁琐、费时费力，且取样时对植株有损伤，无法满足现场快速无损的检测要求。
利用光谱学及其成像技术，可以快速、无损、准确地获取作物生理和营养信息，间接预测作物产量，监测作物生长和胁迫响应，有助于实现农业的精确化、数字化、信息化和智能化管理。目前，多种光谱技术例如近红外光谱检测法、高光谱检测法、荧光检测法等已广泛应用于植物养分检测研究。田间测量与实验室测量存在着很大的区别，要求仪器是可移动便携式的，小型手持式光谱仪可以很好地满足可移动便携的要求，但是因其体积重量等限制难以实现对环境造成的干扰进行校正，同时测量精度较低，同时人手持也容易出现焦虑改变导致结果不准确，因此需要对现有的大田植物养分光谱检测方式进一步的改进。车载扩展了光谱技术的应用领域，车载也可以更好地完善手持光谱仪所存在的测量精度问题，车载条件下可以更好地控制光谱仪检测位点，可以进一步增加环境监测传感器从而对环境造成的干扰进行校正，也可以避免由于人手动操作导致的手持光谱仪测量结果不准确。因此，基于光校正及频率校正的车载式植物养分光谱检测仪在快速实时获取大田种植作物生理及养分信息上具有很大的优势。
发明内容
本发明提供一种基于光谱校正的集成式车载植物养分光谱检测仪，可在对田间作物的管理中，实现快速在线对植物多种养分的检测。
本发明利用车载光谱技术快速、无损、有效对植物养分进行检测分析。首先建立好植物多种养分的光谱分析模型，田间检测时调整导轨将检测探头移动到合适位置，利用电动云平台调整探头角度，使其对准所要检测的叶片，同时检测探头上搭载的微型激光测距仪记录此时距离叶片的距离。获取植物叶片反射光谱的同时利用光照传感器获取对应的环境光照状况，上传到处理器中，利用快速傅里叶变化对光谱进行校正，校正后的光谱利用已经建好的模型进行预测，预测结果输出到显示器上，此时便获得了所测叶片的养分信息。
本发明所采用的具体技术方案如下：
一种基于光谱校正的车载植物养分光谱检测仪，包括移动小车，安装在移动小车上的光谱仪、供电装置、电动云台和光谱校正模块；
所述光谱仪包括一检测探头，检测探头安装在电动云台，所述电动云台可以水平面及垂直面进行转动；
所述电动云台设置在三维的移动平台上，所述移动平台固定于移动小车。
优选的，所述移动平台的驱动机构包括左右移动组件、上下移动组件和前后移动组件，共同配合组成三维驱动机构。
优选的，所述左右移动组件、上下移动组件和前后移动组件的结构相同，均包括导轨、滑块和控制器，控制器驱动滑块沿导轨运动，实现单轴方向的移动。
优选的，所述光谱仪的检测探头上安装有激光测距仪，用于获取探头到叶片的距离。
优选的，所述光谱校正模块用于校正采集的光谱数据。
优选的，所述光谱校正模块对采集的光谱数据先利用Matlab进行仿真，采样频率大于2*80K，并光谱数据进行FFT变化，对变化后的数据进行滤波，滤波后的数据进行快速傅立叶反变换，得到校正后的光谱。
优选的，车载植物养分光谱检测仪的处理过程如下：
采集植物叶片光谱，经过平滑、变量标准化、一阶及二阶求导、去趋势等预处理后，建立了丙二醛预测的偏最小二乘法模型，将PLS提取的有效特征变量和连续投影算法提取的有效波长作为最小二乘-支持向量机的输入变量，分别建立了LV-LS-SVM和SPA-LS-SVM模型，以预测集的预测相关系数、预测标准偏差作为模型评价指标。
本发明用于研究植物养分快速检测，具有对环境光校正及频率校正的功能。光谱检测探头可以全方位移动并灵活的调整，同时可以控制探头对叶片的焦距。相比传统的检测方式以及手持式光谱仪，基于光谱校正的车载式植物养分光谱检测仪操作更加方便快捷，结果也更为准确，能够及时的对植物生理及营养信息进行分析。
附图说明
图1为本发明整体结构图；
图2为植物叶片近红外反射光谱图及基于不同方法的丙二醛含量光谱模型；
图3为基于太赫兹透过率光谱图。
图中，1、光谱仪；2、左右移动组件；3、检测探头；4、电动云台；5、上下移动组件；6、前后移动组件；7、光照传感器；8、供电装置；9、移动小车。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例的限制。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本实施例的车载光谱仪整体结构如图1所示，包括移动小车9，安装在移动小车9上的光谱仪1、供电装置8、电动云台4和光谱校正机构。
整个车载装置包括搭载的光谱仪1，光谱仪1的检测探头3上安装一个微型的激光测距仪，可以获取探头到叶片的距离，从而利于调整探头的位置及角度。将检测探头3固定在电动云台4上，云台可以水平面及垂直面进行转动，可以灵活地将检测器调整到想要的方向，同时整个云台固定在一个移动平台上，可以在水平和竖直方向进行移动，将探头送到合适的位置。供电装置8为整个系统提供电力。
移动平台的驱动机构包括左右移动组件2、上下移动组件5和前后移动组件6，共同配合组成三维驱动装置。左右移动组件2、上下移动组件5和前后移动组件6的结构基本相同，均包括导轨、滑块和控制器，控制器驱动滑块沿导轨运动，从而实现单轴方向的移动。
进行检测前，需要获取大量的植物叶片光谱，并与通过化学分析获得的结果通过化学计量学方法进行建模，如图2所示，为植物中丙二醛含量的建模示意图，对作物叶片样本进行光谱扫描，建模样本与验证样本以3:1进行建模。经过平滑、变量标准化、一阶及二阶求导、去趋势等预处理后,建立了丙二醛预测的偏最小二乘法(PLS)模型。将PLS提取的有效特征变量(LV)和连续投影算法(SPA)提取的有效波长作为最小二乘-支持向量机(LS-SVM)的输入变量，分别建立了LV-LS-SVM和SPA-LS-SVM模型。以预测集的预测相关系数(r)，预测标准偏差(RMSEP)作为模型评价指标。结果表明，叶片中丙二醛含量预测的最优模型为LV-LS-SVM模型，LV-LS-SVM在去趋势处理后的预测效果为r＝0.9999，RMSEP＝0.5302；在二阶求导处理后的预测效果为r＝0.9999，RMSEP＝0.3957。说明应用光谱技术检测油菜叶片中丙二醛的含量是可行的，并能获得满意的预测精度。植物体中其他物质例如可溶性蛋白质以及色素等都可以通过类似的方法进行建模。后面输出的检测结果是基于此模型的，建模的样本量越多越好，模型更加可靠，预测结果更为准确。
如图3所示，光谱校正装置，利用FFT-DSP进行光谱校正。数字信号处理器(DSP)是一种可编程的高性能处理。处理器中集成有高速的乘法器硬件，能快速地进行大量数据的乘法和加法运算，多数芯片都能在一个指令周期内完成一次乘法和一次加法。由于采集到光谱噪声大，对数据处理存在极大干扰，经过示波器测量，发现噪声频率主要集中在80kHz，应用FFT－DSP滤波，去除高频噪声。先利用Matlab进行仿真，采样频率大于2*80K，首先对光谱数据进行FFT变化，对变化后的数据进行滤波，滤波后的数据进行快速傅立叶反变换(IFFT)，得到校正后的光谱。将光谱输入到模型中进行预测，从而获得需要的植物营养预测结果。
以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
