技术领域
[0001] 本
发明涉及作物氮素检测技术领域，特别涉及一种作物氮素检测装置及其检测方法。
背景技术
[0002] 氮素是作物生长发育和产量品质形成所必需的
营养元素之一，在作物体内含量约占干物
质量的1％～5％。近年来，为了提高作物产量而大量使用氮肥，过量施用氮肥不仅增加了生产成本，而且直接或间接地污染了环境。因此，科学合理地使用氮肥，不仅可以确保作物产量和品质，而且还能提高氮肥利用率、降低生长成本、减少环境污染，而作物氮素的准确检测是科学合理使用氮肥的前提。
[0003] 目前，作物氮素的检测方法主要是基于常规实验室化学定量分析。这种方法虽然准确度高，但该方法需要破坏性
采样，费时、分析成本高，且实时性差，限制了其普遍使用。基于
光谱学技术的作物氮素检测方法，由于其实时、快速、准确、大范围、无损、成本低，获得了广泛关注。经对
现有技术文献的检索发现，美国
专利(专利号：US6596996B1)中介绍了一种两波段的作物冠层氮素测量
传感器，采用两个LED
光源交替发光的方式对作物冠层进行照射，但该传感器在冠层
密度大时，误差较大。美国专利(专利号：US7408145B2)中介绍了一种调制多色光源的光学传感装置，使用一个能在可见和
近红外波段同时发光的LED光源作物冠层进行照射，但该传感装置在目标距离变化大时，测量误差大。
发明内容
[0004] 本发明的目的在于克服现有技术的不足，以提高作物氮素检测的准确性。
[0005] 为实现以上目的，本发明采用一种作物氮素检测装置，包括：用于采集来自作物冠层的漫反射光的光学模
块、用于对漫反射光进行调理的
信号调理
电路、用于测量该检测装置与所述作物冠层的距离的测距模块、用于采集作物冠层图像的
图像采集模块以及
微处理器，光学模块的输出端与信号调理电路连接，信号调理电路的输出端、测距模块以及图像采集模块的输出端均与微处理器连接。
[0006] 进一步地，所述光学模块包括光源发射模块和漫反射光接收模块，光源发射模块包括光源驱动电路、控制电路及至少一组光源单元，该光源单元包括光源、柱面透镜和
硅光
电池，光源驱动电路驱动端与光源连接，硅光电池与控制电路连接，柱面透镜布置在光源发射光线的路径上；漫反射光接收模块包括至少一组光接收单元，该光接收单元包括平凸透镜、窄带滤光片、硅光电
二极管阵列和前置
放大器，平凸透镜布置在所述作物冠层漫反射光的路径上，平凸透镜和硅
光电二极管阵列之间布置有窄带滤光片，硅
光电二极管阵列的输出端连接前置放大器。
[0007] 进一步地，所述信号调理电路包括
锁相解调电路、信号放大电路和AD转换模块，锁相解调电路的输入端与所述前置放大器输出端连接、输出端与信号放大电路连接，信号放大电路输出端与AD转换模块连接，AD转换模块输出端与所述微处理器连接。
[0008] 进一步地，所述测距模块包括
半导体二极管
激光器、激光器驱动电路、
准直透镜、滤光片和两个硅PIN二极管探测器，半导
体二极管激光器布置在两个硅PIN二极管探测器之间，且与其中一硅PIN二极管探测器位于同一
水平线上；
[0009] 激光器驱动电路与半导体二极管激光器连接，半导体
激光二极管的输出光路上布置有
准直透镜，半导体激光二极管输出光线经准直透镜后照射在所述作物冠层；半导体激光二极管输出光线经所述作物冠层反射后的光线路径上布置有滤光片，硅PIN二极管探测器布置在滤光片后以探测半导体激光二极管输出光线经所述作物冠层反射后的光。
[0010] 进一步地，所述微处理器包括漫反射
光信号获取模块、图像获取模块、第一归一化模块、第二归一化模块和氮素检测模型构建模块；
[0011] 漫反射光信号获取模块用于获取来自作物冠层的漫反射光信号；
[0012] 图像获取模块用于获取作物冠层图像；
[0013] 第一归一化模块用于对作物冠层的漫反射光信号进行归一化植被指数计算，得到归一化植被指数；
[0014] 第二归一化模块用于对作物冠层图像进行归一化绿-红差值指数计算，得到归一化绿-红差值指数；
[0015] 氮素检测模型构建模块用于采用神经网络对归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型。
[0016] 进一步地，所述微处理器还包括距离获取模块，距离获取模块用于获取该检测装置与所述作物冠层的距离。
[0017] 进一步地，所述微处理器还包括校正模块，校正模块用于根据所述测距模块测量的检测装置与所述作物冠层的距离，对所述归一化植被指数进行校正，得到校正后的归一化植被指数；
[0018] 相应地，所述氮素检测模型构建模块用于采用神经网络对校正后的归一化植被指数和归一化绿-红差值指数进行数据融合，构建所述氮素检测模型。
[0019] 另一方面，采用一种作物氮素检测方法，包括：
[0020] 获取来自作物冠层的漫反射光信号，该漫反射光为高频调制的光照射在作物冠层所产生；
[0021] 对所述漫反射光信号进行归一化植被指数计算，得到归一化植被指数；
[0022] 获取作物冠层的图像，并对作物冠层图像进行归一化绿-红差值指数计算，得到归一化绿-红差值指数；
[0023] 采用神经网络对归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型。
[0024] 进一步地，在所述对所述漫反射光信号进行归一化植被指数计算，得到归一化植被指数之后，还包括：
[0025] 获取检测装置与作物冠层之间的距离，并利用该距离对所述归一化植被指数进行校正，得到校正后的归一化植被指数；
[0026] 相应地，所述采用神经网络对归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型，包括：
[0027] 采用神经网络对校正后的归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型。
[0028] 进一步地，在所述获取来自作物冠层的漫反射光信号之前，还包括：
[0029] 采集来自作物冠层的漫反射光，并利用信号调理电路对所述漫反射光进行解调放大处理，得到放大后的信号；
[0030] 将所述放大后的信号进行
模数转换处理，得到漫反射光的
数字信号作为所述漫反射光信号。
[0031] 与现有技术相比，本发明存在以下技术效果：本发明中，光学模块中的光源驱动电路采用高频
正弦波调制，来驱动光源发射光线至作物冠层，并采用锁相技术对作物冠层的发射光信号进行解调，以排除外界环境光对测量的影响和车载作业时震动产生的干扰，提高了对作物氮素的检测
精度；将检测装置与冠层之间的距离校正归一化植被指数(NDVI)，提高了归一化植被指数测量精度；将RGB图像技术与多光谱技术融合在一起，通过神经网络对数据进行融合，构建作物氮素检测模型，有效提高对作物氮素的检测精度。
附图说明
[0032] 下面结合附图，对本发明的具体实施方式进行详细描述：
[0033] 图1是一种作物氮素检测装置的原理
框图；
[0034] 图2是一种作物氮素检测装置的结构示意图；
[0035] 图3是光源发射和漫反射光接收的示意图；
[0036] 图4是测距模块结构示意图；
[0037] 图5是作物氮素实时检测示意图。
具体实施方式
[0038] 为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
[0039] 如图1-图2所示，本
实施例公开了一种作物氮素检测装置，包括：用于采集来自作物冠层的漫反射光的光学模块20、用于对漫反射光进行调理的信号调理电路30、用于测量该检测装置与所述作物冠层的距离的测距模块40、用于采集作物冠层图像的图像采集模块50以及微处理器10，光学模块20的输出端与信号调理电路30连接，信号调理电路30的输出端、测距模块40以及图像采集模块50的输出端均与微处理器连接。其中，微处理器10对作物冠层的反射光信号和作物冠层的图像进行处理，实现对作物氮素的检测。
[0040] 进一步地，如图3所示，光学模块20包括光源发射模块21和漫反射光接收模块22，光源发射模块21包括光源驱动电路211、控制电路及至少一组光源单元212，该光源单元212包括光源2121、硅光电池2122和柱面透镜2123，光源驱动电路211驱动端与光源2121连接，硅光电池2122与控制电路连接，柱面透镜2123布置在光源2121发射光线的路径上。漫反射光接收模块22包括至少一组光接收单元221，该光接收单元221包括平凸透镜2211、窄带滤光片2212、硅光电二极管阵列2213和前置放大器2214，平凸透镜2211布置在所述作物冠层漫反射光的路径上，平凸透镜2211和硅光电二极管阵列2213之间布置有窄带滤光片2212，硅光电二极管阵列2213的输出端连接前置放大器2214。
[0041] 具体地，在设置至少一组光源单元212时，每个光源2121的中心
波长不同，本实施例中光源2121发射模块21设置了三组光源单元212，即设置有3个LED光源2121、3个硅光电池和3个柱面镜。其中，3个LED光源2121的中心波长分别为670nm、730nm和775nm，通过设置不同的光源以计算不同的作物氮素光谱指数，光源的中心波长不同以适用作物氮素的敏感波长，本领域技术人员也可根据实际应用场景设置不同数量的光源。
[0042] 光源驱动电路211包括驱动模块和控
制模块，驱动模块用高频正弦波调制驱动LED光源2121，硅光电池2122用来监测LED光源功率的变化，
控制模块根据硅光电池2122
电压信号的变化调节驱动LED光源的
电流，使LED光源输出功率稳定，柱面镜对LED光源发出的光进行扩束，形成具有一定长度和宽度的条形光照射在作物冠层。
[0043] 具体地，漫反射光接收模块22设置三组光接收单元，即设置有3个平凸透镜、3片窄带滤光片、3个硅光电二极管阵列和3个前置放大电路。平凸透镜用来收集漫反射光于硅光电二极管阵列，硅光电二极管阵列将光信号转
化成电信号，窄带滤光片位于硅光电二极管阵列前面，中心波长分别为670nm、730nm和775nm，带宽为5nm，波为长方形，用来过滤环境背景光，前置放大电路用来放大硅光电二极管信号，以便后续电路对信号进行处理。
[0044] 进一步地，信号调理电路30包括锁相解调电路31、信号放大电路32和AD转换模块33，锁相解调电路31的输入端与所述前置放大器输出端连接、输出端与信号放大电路32连接，信号放大电路32输出端与AD转换模块33连接，AD转换模块输出端与所述微处理器10连接。其中，锁相解调电路31对经前置放大器放大的信号进行解调，信号放大电路32对解调后的信号进行进一步放大，以便满足AD转换模块33要求，AD转换模块33为14位AD芯片，用来采集经信号放大电路32放大的信号。
[0045] 进一步地，所述测距模块40包括半导体二极管激光器41、激光器驱动电路42、准直透镜43、两个滤光片44和两个硅PIN二极管探测器45，半导体二极管激光器41布置在两个硅PIN二极管探测器45之间，且与其中一硅PIN二极管探测器45位于同一水平线上；激光器驱动电路42与半导体二极管激光器41连接，半导体激光二极管的输出光路上布置有准直透镜43，半导体激光二极管输出光线经准直透镜43后照射在所述作物冠层；半导体激光二极管输出光线经所述作物冠层反射后的光线路径上布置有滤光片44，硅PIN二极管探测器45布置在滤光片44后以探测半导体激光二极管输出光线经所述作物冠层反射后的光。具体地，半导体二极管激光器41波长为780nm，输出功率为10mW。激光器驱动电路42采用方波调制驱动半导体二极管激光器，调制
频率为500Hz。准直透镜43用来准直半导体二极管激光器输出的光束，使其直径为2mm。2个滤光片44中心波长均为780nm，带宽为5nm，用来过滤环境背景光，两个硅PIN二极管探测器45用来探测反射回来的光，分别位于滤光片44后面。2个硅PIN二极管探测器45前后相距一定的距离，如15cm，且水平方向也相距一定的距离，以实现距离测量。
[0046] 进一步地，本实施例中的微处理器10、光学模块20、信号调理电路30和图像采集模块50均布置在壳体内，壳体上设置有
接口模块，接口模块用于装置外部通讯和数据输出接口，通过将上述各模块布置在壳体内，
[0047] 进一步地，所述微处理器10包括漫反射光信号获取模块11、图像获取模块12、第一归一化模块13、第二归一化模块14和氮素检测模型构建模块15，其中：
[0048] 漫反射光信号获取模块11用于获取来自作物冠层的漫反射光信号；
[0049] 图像获取模块12用于获取作物冠层图像；
[0050] 第一归一化模块13用于对作物冠层的漫反射光信号进行归一化植被指数计算，得到归一化植被指数；
[0051] 第二归一化模块14用于对作物冠层图像进行归一化绿-红差值指数计算，得到归一化绿-红差值指数；
[0052] 氮素检测模型构建模块15用于采用神经网络对归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型。
[0053] 进一步地，所述微处理器10还包括距离获取模块16和校正模块17，距离获取模块16用于测量该检测装置与所述作物冠层的距离，校正模块17用于根据所述测距模块测量的检测装置与所述作物冠层的距离，对所述归一化植被指数进行校正，得到校正后的归一化植被指数；
[0054] 相应地，所述氮素检测模型构建模块用于采用神经网络对校正后的归一化植被指数和归一化绿-红差值指数进行数据融合，构建所述氮素检测模型。
[0055] 具体地，测距装置测量得到检测装置到作物冠层的距离，检测装置检测的反射率与距离有关，通过反射率与距离的关系校正反射率。
[0056] 需要说明的是，本实施例通过利用检测装置与冠层之间的距离来校正归一化植被指数(NDVI)，提高了归一化植被指数测量精度。
[0057] 如图5所示，本实施例公开了一种作物氮素检测方法，包括如下步骤S1-S4：
[0058] S1、获取来自作物冠层的漫反射光信号，该漫反射光为高频调制的光照射在作物冠层所产生；
[0059] S2、对所述漫反射光信号进行归一化植被指数计算，得到归一化植被指数；
[0060] S3、获取作物冠层的图像，并对作物冠层图像进行归一化绿-红差值指数计算，得到归一化绿-红差值指数；
[0061] S4、采用神经网络对归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型。
[0062] 进一步地，在上述步骤S2：对所述漫反射光信号进行归一化植被指数计算，得到归一化植被指数之后，还包括：
[0063] 获取检测装置与作物冠层之间的距离，并利用该距离对所述归一化植被指数进行校正，得到校正后的归一化植被指数；
[0064] 相应地，上述步骤S4：采用神经网络对归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型，包括：
[0065] 采用神经网络对校正后的归一化植被指数和归一化绿-红差值指数进行数据融合，构建氮素检测模型。
[0066] 进一步地，在所述获取来自作物冠层的漫反射光信号之前，还包括：
[0067] 采集来自作物冠层的漫反射光，并利用信号调理电路对所述漫反射光进行解调放大处理，得到放大后的信号；
[0068] 将所述放大后的信号进行模数转换处理，得到漫反射光的数字信号作为所述漫反射光信号。
[0069] 需要说明的是，本实施例采用高频调制LED光源，锁相技术对信号进行解调，排除外界环境光对测量的影响和车载作业时振动产生的干扰。将检测装置与冠层之间的距离校正归一化植被指数(NDVI)，提高了归一化植被指数测量精度。同时将RGB图像技术与多光谱技术融合在一起，通过神经网络对数据进行融合，构建作物氮素检测模型，有效提高对作物氮素的检测精度。
[0070] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，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。
