基于葉綠素熒光及成像技術的植物病害檢測方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種基于葉綠素熒光及成像技術的植物病害檢測方法及裝置。該裝置放置于光照箱內，藍色LED燈作為激發(fā)光源，呈等邊三角形結構，能實現(xiàn)穩(wěn)定均勻的光照，用于激發(fā)植物葉片的葉綠素熒光，彩色高速相機和可調鏡頭前置紅色濾光片，用于過濾干擾光，采集葉綠素熒光圖像。通過圖像預處理、圖像分割和特征提取等步驟，可以將葉片與背景分離，獲得以主葉脈為中心位置的像素區(qū)域的子圖像，并計算葉片的紋理特征和葉脈特征參數(shù)，最后通過分類器計算，可以將植物分類為健康和病害兩類。本發(fā)明可用來激發(fā)植物葉片葉綠素熒光，獲取植物葉片的葉綠素熒光圖像，計算紋理特征和葉脈特征參數(shù)，實現(xiàn)植物病害的檢測。
【專利說明】基于葉綠素熒光及成像技術的植物病害檢測方法及裝置
【技術領域】
[0001]本發(fā)明涉及植物病害的檢測方法及裝置，特別是涉及一種基于葉綠素熒光及成像技術的植物病害檢測方法及裝置。
【背景技術】
[0002]植物體內能激發(fā)熒光的物質主要有多酚類以及光合色素，包括類胡蘿卜素和葉綠素。在一個或多個波段的激發(fā)光激發(fā)下，可以得到不同波段下的熒光光譜。
[0003]激發(fā)光源的發(fā)展由氙氣燈、鹵素燈到紫外燈、激光。近年來，LED以其耗能小，壽命長等優(yōu)點，成為一種新型光源。并且，LED不會對植物造成灼燒傷害，目前，已有基于LED光源的防除植物病害生長箱(專利申請公布號:CN102014608A)。
[0004]植物對藍光的吸收最強，因此藍光的激發(fā)效率與其他顏色光相比較高。藍光同時可以激發(fā)類胡蘿卜素和葉綠素熒光，分布在綠光、紅光以及近紅外波段。植物受病害脅迫后，葉片的熒光強度會發(fā)生改變，其顏色、紋理等特征會發(fā)生變化。此外，從染病部位分析，葉脈的部位會首先出現(xiàn)變化。以常見的黃瓜病害為例說明:由綠斑花葉病毒引起的黃瓜病毒病，其葉脈出現(xiàn)黃化，并在葉脈周圍出現(xiàn)黃色星形病斑；由病菌引起的黃瓜霜霉病，其表現(xiàn)為沿著主葉脈到支脈、小葉脈，均出現(xiàn)如同鐵銹色一樣的癥狀。葉片受病害脅迫后色素失去活性，熒光信息會減少，嚴重時幾乎沒有熒光信息。因此，通過圖像處理技術，結合葉片葉綠素熒光和葉片紋理、葉脈特征，能實現(xiàn)健康葉片和病害葉片二者的區(qū)分。
[0005]目前的針對植物健康狀況的檢測裝置，在光源的布置方面，實現(xiàn)均勻光照的方法是，采取左右對稱結構或在封閉環(huán)境中加入反光物質；在檢測對象方面，大多對植物內自發(fā)熒光物質如綠色熒光蛋白進行檢測；在分析方法方面，大多是基于葉綠素熒光光譜信息，鮮有基于葉綠素熒光圖像信息。目前的針對植物健康狀況的檢測裝置的發(fā)明，主要目的在于分析植物營養(yǎng)元素的含量，從而判斷植物是否健康，缺少用于區(qū)分健康植物和受病毒、病菌脅迫的病害植物的檢測裝置。并且現(xiàn)有的用于病害檢測的裝置，大多采用可見光成像或多光譜成像技術，鮮有將葉綠素熒光和成像技術相結合的檢測方法。

【發(fā)明內容】

[0006]本發(fā)明的目的在于提供一種基于葉綠素熒光及成像技術的植物病害檢測方法及裝置。通過等邊三角形光源結構，提供均勻光照，激發(fā)植物葉綠素熒光，同時采集葉綠素熒光圖像，通過植物熒光圖像的紋理和葉脈信息，區(qū)分健康植物和病害植物。
[0007]為了達到上述目的，本發(fā)明采用的技術方案是:
[0008]一、基于葉綠素熒光及成像技術的植物病害檢測方法，該方法的步驟如下:
[0009]步驟I)利用藍光激發(fā)活體植物葉片的葉綠素熒光，通過相機和濾光片采集得到葉綠素熒光圖像；
[0010]步驟2)對葉綠素熒光圖像進行圖像預處理，得到活體植物葉片部位的灰度圖；
[0011]步驟3)將灰度圖進行圖像分割得到子圖像，并提取子圖像的紋理特征和葉脈特征參數(shù)，將兩個特征參數(shù)輸入分類器進行判斷
[0012]步驟4)根據(jù)活體植物葉片的紋理特征和葉脈特征參數(shù)，判別出健康和病害兩類植物。
[0013]步驟2)所述的圖像預處理包括自動閾值分割、空洞填充和與操作。
[0014]二、基于葉綠素熒光及成像技術的植物病害檢測裝置
[0015]本發(fā)明包括光照箱、光源、計算機、彩色高速相機、放置活體植物葉片的采集平臺；在光照箱內的底面向上，依次同軸裝有采集平臺，光源和彩色高速相機，彩色高速相機上的可調鏡頭朝下，可調鏡頭上裝有濾光片，彩色高速相機通過Camera Link線與計算機相連。
[0016]所述的光源包括等邊三角形支架和三個型號相同的藍色LED燈；等邊三角形支架的每個邊中部分別裝有一個藍色LED燈，形成一個等邊三角形光源，等邊三角形光源與等邊三角形支架具有相同的中心0，每個藍色LED燈的光照平面與采集平臺夾角均為45度。
[0017]所述每個藍色LED燈均為LED燈陣列。
[0018]所述濾光片為紅色濾光片，其中心波長為690nm。
[0019]本發(fā)明具有的有益效果是:
[0020](I)本發(fā)明利用藍色LED光源和紅色濾光片，實現(xiàn)了植物葉綠素熒光的激發(fā)和采集。
[0021](2)本發(fā)明改進了光源的結構，用三角形光源結構，實現(xiàn)光源的均勻光照。
[0022](3)本發(fā)明提供葉綠素熒光圖像，基于紋理特征和葉脈特征參數(shù)將植物分為健康和病害兩類。
【專利附圖】

【附圖說明】
[0023]圖1是本發(fā)明的結構示意圖。
[0024]圖2是等邊三角形光源結構示意圖。
[0025]圖3是成像原理示意圖。
[0026]圖4是本發(fā)明方法流程圖。
[0027]圖中:1.光照箱，2.光源，3.計算機，4.彩色相機，5.可調鏡頭，6.濾光片，7.采集平臺，8.等邊三角形支架，9.藍色LED燈。
【具體實施方式】
[0028]下面結合附圖和實施例對本發(fā)明作進一步說明。
[0029]如圖1所示，本發(fā)明包括光照箱1、光源2、計算機3、彩色高速相機4、放置活體植物葉片的采集平臺7，檢測活體植物葉片置于采集平臺7中心位置附近；在光照箱I內的底面向上，依次同軸裝有采集平臺7，光源2和彩色高速相機4，彩色高速相機4上的可調鏡頭5朝下，可調鏡頭5上裝有濾光片6，彩色高速相機4通過Camera Link線與計算機3相連，彩色高速相機5的幀率是30fps，計算機3安裝有圖像采集卡和采集軟件，對檢測對象進行圖像采集、處理、分析和顯示，光照箱I可以截斷外界光源，避免影響藍色LED燈提供的光。
[0030]如圖2、圖3所示，所述的光源2包括等邊三角形支架8和三個型號相同的藍色LED燈9 ;等邊三角形支架8的每個邊中部分別裝有一個藍色LED燈9，形成一個等邊三角形光源，等邊三角形光源與等邊三角形支架8具有相同的中心0，每個藍色LED燈9的光照平面與采集平臺7夾角均為45度，能提供均勻的光照。
[0031]所述每個藍色LED燈9均為LED燈陣列，每個LED燈的工作電壓為36V，功率為30W。
[0032]所述濾光片6為紅色濾光片，其中心波長為690nm，與葉綠素熒光波段相同，可用于過濾其他光干擾。鏡頭物距可調，相應活體植物的不同高度而調整。
[0033]如圖4所示，確定彩色高速相機4的曝光時間，調整焦距增益，并進行黑白場的標定，消除彩色高速相機4的暗電流噪聲。將葉片放置于采集平臺7中心位置，打開藍色LED9，激發(fā)番茄葉片的葉綠素熒光，用計算機3控制彩色高速相機4，采集葉片的葉綠素熒光圖像。采用圖像處理軟件Matlab對葉綠素熒光圖像進行預處理，其過程包括:自動迭代閾值分割、空洞填充和與操作后，最后得到去除背景的葉片部位的灰度圖。對葉片部位的灰度圖進行圖像分割，再選取以主葉脈為中心位置像素區(qū)域的子圖像，對其進行特征提取，提取步驟包括:采用灰度共生矩陣計算子圖像的紋理特征參數(shù)，采用擊中或擊不中變換提取子圖像的葉脈圖像，對葉脈圖像再使用灰度共生矩陣計算得到葉脈特征參數(shù)，將兩類特征參數(shù)輸入到支持向量機分類器中進行計算。預先設定數(shù)值I代表有病害的葉片，數(shù)值O代表健康葉片，特征參數(shù)經過分類器的計算后，被劃分為I和0，其中結果為1，則判斷為該參數(shù)對應的葉片有病害，所在植物染病，結果為O則判斷該參數(shù)對應的葉片為健康，所在植物健康。
[0034]以檢測番茄葉片黃花曲葉病為例，打開彩色高速相機4，觀察圖像畫面并不斷調節(jié)鏡頭5，至圖像畫面清晰可見時鏡頭焦距為6mm，再調節(jié)曝光時間，至圖像畫面中的飽和光斑恰好消失為止，曝光時間為60ms，按下相機上的黑白平衡按鈕，完成黑白標定。分別從健康的番茄植株和染病的番茄植株的相同部位摘取葉片，共同放置在采集平臺7上，打開藍色LED燈9，通過計算機3采集葉綠素熒光圖像，保存為tiff格式，每幅圖像均為灰度圖，大小為320X240像素，占80KB內存。圖像采集后，關閉藍色LED燈9。圖像預處理后，可以得到葉綠素熒光圖像中的葉片像素區(qū)域。圖像分割后，每幅葉綠素熒光圖像被分割為48幅子圖像，選取主葉脈為中心位置像素區(qū)域40X40像素大小的子圖像，通過灰度共生矩陣計算能量、熵、慣性矩和相關四個紋理參數(shù)，計算如公式1-4所示:
[0035]
【權利要求】
1.基于葉綠素熒光及成像技術的植物病害檢測方法，其特征在于，該方法的步驟如下: 步驟I)利用藍光激發(fā)活體植物葉片的葉綠素熒光，通過相機和濾光片采集得到葉綠素熒光圖像； 步驟2)對葉綠素熒光圖像進行圖像預處理，得到活體植物葉片部位的灰度圖； 步驟3)將灰度圖進行圖像分割得到子圖像，并提取子圖像的紋理特征和葉脈特征參數(shù)，將兩個特征參數(shù)輸入分類器進行判斷 步驟4)根據(jù)活體植物葉片的紋理特征和葉脈特征參數(shù)，判別出健康和病害兩類植物。
2.根據(jù)權利要求1所述的基于葉綠素熒光及成像技術的植物病害檢測方法，其特征在于，步驟2 )所述的圖像預處理包括自動閾值分割、空洞填充和與操作。
3.實施權利要求1所述方法的基于葉綠素熒光及成像技術的植物病害檢測裝置，其特征在于:包括光照箱(I)、光源(2)、計算機(3)、彩色高速相機(4)、放置活體植物葉片的采集平臺(7);在光照箱(I)內的底面向上，依次同軸裝有采集平臺(7)，光源(2)和彩色高速相機(4)，彩色高速相機(4)上的可調鏡頭(5)朝下，可調鏡頭(5)上裝有濾光片(6)，彩色高速相機(4)通過Camera Link線與計算機(3)相連。
4.根據(jù)權利要求3所述的基于葉綠素熒光及成像技術的植物病害檢測裝置，其特征在于:所述的光源(2)包括等邊三角形支架(8)和三個型號相同的藍色LED燈(9);等邊三角形支架(8)的每個邊中部分別裝有一個藍色LED燈(9)，形成一個等邊三角形光源，等邊三角形光源與等邊三角形支架(8 )具有相同的中心O，每個藍色LED燈(9 )的光照平面與采集平臺(7)夾角均為45度。
5.根據(jù)權利要求3所述的基于葉綠素熒光及成像技術的植物病害檢測裝置，其特征在于:所述每個藍色LED燈(9)均為LED燈陣列。
6.根據(jù)權利要求3所述的基于葉綠素熒光及成像技術的植物病害檢測裝置，其特征在于:所述濾光片(6)為紅色濾光片,其中心波長為690 nm。
【文檔編號】G01N21/64GK104034710SQ201410290704
【公開日】2014年9月10日 申請日期:2014年6月25日 優(yōu)先權日:2014年6月25日
【發(fā)明者】蔣煥煜, 盧勁竹, 崔笛, 周鳴川, 胡楊 申請人:浙江大學