198
第26卷第9期2010年9月
农业工程学报
TransactionsoftheCSAE
Vbl.26No.9
Sep.2010
www.grain17.com
植物叶面积无损测量方法及仪器开发
聂鹏程L2,杨燕1’3,刘飞1,郑金土4,何勇燃
(1.浙江大学生物系统工程与食品科学学院,杭州310029;
2.南昌航空大学信息工程学院,南昌330069;
3.广西师范学院数学科学学院,南宁530023;4.宁波市林特科技推广中心,宁波315012)
摘要:为了快速、无损、准确地测量植物叶面积,设计了一种利用多晶硅光电感应板与平板均匀发光光源照射系统构成的叶面积测量装置。通过试验,建立了植物叶片叶面积与光源光强、光源对叶片透射率、环境温度、光电感应板的光电感应电压值间的BP神经网络关系。结果表明:该仪器可测量不同形状、厚度、软硬程度、叶片大小的植物叶片面积,模型预测值与实际值决定系数R2为O.98,测量精度为94.8%,为叶片叶面积测量提供了一种新的测量方法和装置。关键词:神经网络,无线网络,仪器,植物叶面积,无损检测doi:10.3969/j.issn.1002—6819.2010.09.034中图分类号:¥24
文献标志码:A
文章编号:1002—6819(2010)-09-0198-05
NiePengcheng,YangYan,LiuFei,et
聂鹏程,杨燕,刘飞,等.植物时面积无损测量方法及仪器开发[J】.农业工程学报,2010,26(9):198--202.
a1.Methodofnon-destructivemeasurementforplantleafareaanditsinstrument
ChinesewithEnglish
development[J].TransactionsoftheCSAE,2010,26(9):198--202.(inabstract)
0引言
植物叶面积是衡量作物群体结构的重要指标之一,是植物生长状态诊断及其生长预测模型中重要的参数之一,也是实际管理的重要依据【l引。叶面积也是影响植物光合作用的一个重要因素,与植物氮含量也存在一定的相关性。马新明等【4】提出了叶面积与变量施氮间的关系,建立了相应的模型并得到较好的验证。另外,叶面积是体现作物生长发育和生理生态的重要指标,也是研究作物栽培、遗传育种等必需参考的因素【5】。因此,快速准确地测量植物叶面积能够有效地提高研究效率。
随着科技的发展,植物叶面积测量由最初的坐标纸法、系数法、复印称重法、器测法、估计法等【6】传统手段到利用计算机技术检测叶面积,测量精度和可靠性有了较大的提高。利用计算机检测目前主要有计算机图像检测和光谱扫描等方法【7{】,S.Malone、左欣等分别提出了一种基于图像处理的叶面积测量方法【9.101。该方法测量叶面积精度高,且无破坏性。但是图像的获取操作比较复杂,每一次拍摄图片均须要在等距离检测位置处获取叶片图像。操作困难,测量可靠性差且成本较高。马泽清【ll】等提出了利用C12110冠层分析仪、鱼眼镜头数码照片影
像分析方法测量叶片面积,该方法克服了普通成像图像处理测量法存在的弊端,但成本高,操作过程复杂,推广比较困难。冯冬霞【12】研究了一种高精度便携式光电扫描式叶面积仪,在测量精度方面有较大的提高,但外界因素对精度影响较大。因此,开发一台便携式的使用简单、性能可靠、测量精度高、成本低的植物叶面积测量仪具有重要意义。
本文提出了一种新的测量方案,并开发了相应的测量仪器。利用双晶硅光电感应板和平面发光板构成检测系统,采用标准计算法和仪器实际所测得的各项参数建立BP神经网络模型,通过模型运算得出被测叶片面积。1仪器整体设计
1.1
仪器检测原理与结构设计
叶面积检测原理如图l所示,实物图如图2所示。仪器感光板尺寸为245mmX350toni,均匀发光板与多晶硅光电传感器相对。多晶硅光电感应板在光源照射下产生一定的感应电压,当夹入植物叶片时,叶片将部分照射光线遮挡,光电感应板的感应电压也随之变化,利用挡光程度与光电感应电压值的大小关系计算被测叶面积大小。但由于光源针对不同种类、不同厚度、不同颜色的植物叶片透光率不同,且多晶硅光电感应板的光电效应与温度也存在一定关系[13-14】,因此,要利用上述原理准确测量植物叶片面积,必须考虑到光源对叶片的透射率与测量时多晶硅光电感应板的温度系数。
为了克服上述因素的影响,将光电传感器5作为光源光强传感器,实时检测平板光源的发光光强蜀;光电传感器4作为透光率传感器置于多晶硅光电感应板正中心位置,用于检测仪器对被测叶片的透光率局。温度传感器3置于多晶硅光电传感板上,检测得温度系数为为,光电感应板所测得的电压AD转换值为五,将上述参数
收稿日期:2009.12-26修订日期:2010-09.10
基金项目:国家高技术研究发展计划(“863”计划)项目(2007AAl07.210):国家农业科技成果转化基金项目(2009GB23600517);公益性行业(农业)科研专项(200803037);浙江省自然科学基金重点项目(7-.3090295)l宁波市重大科技攻关项目(007C10034)资助
作者简介:聂鹏程(1982一),男,湖北通城人,博士生,主要从事农业仪器与智能化装备研究。杭州浙江大学生物系统工程与食品科学学院,
310029
※通信作者:何勇(1963一),男,浙江慈溪人,教授,博士,博士生导师,主要从事数字农业及3S技术研究.杭州浙江大学生物系统工程与食品科学学院,310029
万方数据
第9期聂鹏程等:植物叶面积无损测量方法及仪器开发
199
通过传感器检测后作为变量置于模型中,通过建立人工神经网络模型克服各因素对测量结果的干预。
1.均匀发光板2.多晶硅光电感应板3.温度传感器4.透光率传感器5.光源光强传感器6.被测叶片
图l仪器光电测量原理结构
Fig.1
Slaa_letureofoptical
measuringprincipleofinsllument
图2仪器实物图
Fig.2
Pictureof
instrumentinthispaper
1.2仪器硬件电路设计
根据叶面积测量原理,采用ARMCortexM3内核的STM32F103ZET6芯片为仪器核心,光电感应板电压信号、温度传感器信号、光源对叶片透光率传感器信号、光源光强信号通过8路电子选通开关进行选择性采样,经16位AD转换芯片AD7705将相应传感器信号进行AD转换,各路采集信号通过BP网络运算后将测量结果显示在LCD显示屏上。并将测量结果保存到FLASH存储器中,可通过USB接口与PC机通讯并进行数据读取,也可将测量结果通过无线模块发送给PC机。具体硬件结构框图如图3所示。
透光率传感器l
l温度传感器I
I光电感应板I
l光强传感器
信号调理电路H
8路数据选通开关
竺::!!竺堕堡俐cPU厅磊五飞d洲32n03z
I蕊爵U蹦
瓣竺塑磊
揖翮
图3仪器硬件电路框图
Fig.3
H盯dware
structure
ofinstrument
万方数据
1.3仪器软件设计
本文研制的叶面积测量仪系统软件以模块化程序设计思想编程,通过系统结构主程序调用方式实现测量和数据处理等操作。主要分为以下几个模块:AD数据采集模块;无线数据传输模块;模型运算处理模块;人机交互模块;FLASH存储器读写模块,通过系统主程序流程进行管理调控,主程序流程图如图4所示。
开始I
I返回
I
I
返回
仪器预热
畜际赢回蒜
l存‘储并显示lI竺!兰!ll求平均值
仪器开机自动梭准II璺型!兰到l竺塑堡竺Il圭!塑墨lI返回
调键扫子程序
AD采样IIUSB通信IJ查看lI无线发送
无键按下
图4仪器软件主流程图
Fig.4
Mainsoftwareflowchartofinstrument
仪器开机预热后进入待测状态。用户按键选择各项操作,仪器进入测量程序后,用户可执行多次测量并取平均值。通过选择其它按键可分别执行数据查看、USB与PC机接口通信、无线数据发送等操作。2测量模型的建立
2.1试验方法
本文采用1.2节中提出的原理方案进行试验,具体方案为:采集桑树叶、枫叶、香樟树叶、葫芦藓叶片各50片,共200片叶片。其中160个样本用于训练BP网络,40个样本用于模型预测。利用美国AREA
METER公司
生产的CID—CI-203高精度叶面积仪测量样本面积Ys并
记录。将制备好的样本置于仪器测量位置处,通过AD转换获取每个样本的透光率参数和感光电压参数、测量温度数据并记录,并建立这些数据量之间的映射表。通过改变测量环境的温度,重复上述实验,并记录相关数据,建立数据映射表。
2.2模型建立
人工神经网络技术[15-171是以生物神经网络原理为基础,模拟人脑行为的一种并行信息处理方法。本文根据实际须求选用BP网络。BP网络结构如图5所示,它由输入层、隐含层和输出层组成。
采用具有一定阈值特性的可连续微分的Sigmoid函数作为神经元的激发函数
f(x)=专
(1)
式中:_『《曲——神经元的非线性作用函数;工——神经元
的连接权。
分析测量本仪器测量叶面积指数的各种影响因素,分别把墨、五、玛、局作为输入神经元,E作为输出神
200
农业工程学报
2010住
经元。从现有射表中提取160组数据作为训练样本,并分别进行训练,获得各自的连接权值和阈值。存储连接权系数,构成模型知识库,并将知识库移植到仪器系统
软件中。
中间层
输出层
图5
BP神经网络结构图
Fig.5
BPnetwork
structure
diagram
3试验结果
3.1
BP神经网络模型的处理结果
在BP网络中,其中输入神经元为4个,1个输出神
经元,将数据经过标准化处理后,Sigmoid参数选取0.9,取4个隐含神经元,训练1000次,得到结果如表l的映射关系,由于篇幅限制,本文选取典型的10个样本列于表1。其拟合残差值0.00034。
表l训练样本与拟合值映射表
Table1
Mapingtableoftrainingsamplesandthefinedvalues
从表1可以看出,BP神经网络训练后的拟合值与实际测量值准确率为97.1%,符合仪器的检测精度。
3.2
BP网络运算模型的预测能力
把40个预测样本在仪器检测后的各参数输入BP神经网络进行运算,得到如图6所示的预测结果。
在图6中,预测值与实际值的决定系数达到0.98,达到测量仪器模犁预测要求。这说明:建立的BP神经网络运算模型具有较好的数据处理与预测效果,可以将模
型移植到MCU中。
3.3基于BP神经网络算法的仪器测量性能
将BP神经网络模型移植到仪器系统软件中后,选取30个厚薄程度、检测温度均不相同的环境进行仪器测量试验,将测量值与美国AREAMETER公司生产的
万方数据
CID—CI.203高精度叶面积仪(测量精度为0.4cm2)测量
值相比,得到如图7所示的测量值相关性。
瑚啪
吕
姗
{
趔珊
翼隧*姗地
瑚啪
。
01002003004005006007∞
样本实测值/c一
图6
BP网络模型预测结果
Fig.6
ResultsofBPnetworkmodelprediction
瑚鲫甚
姗弋
趔枷衰袜稚姗基
抛啪
。
o
100200300400
500
600
700
美回CID-CI.203仪测置值/cm2
图7仪器实测值与实际样本叶面积的关系Fig.7
Relationshipofthisinstrumentbetweenmeasured
and
actual
samplesvalues
此外,针对叶面积测量的测量环境因素不一,本文设计了仪器的满量程自动校准和标准样本校准方法。测量不同大小的叶片面积时选用不同大小的校正样本,此外,仪器还具有多次测量后取平均值的功能。可将误差尽可能减小,能有效克服不同工作环境和叶片种类造成
的各种测量误差。仪器在具有抗干扰能力的同时,也能将各种测量结果保存到FLASH存储器内,记录完整的测量结果,并可通过无线或USB口或串口发送数据,将已测信息发送给PC机。
3.4仪器的精度
将20个校验叶片裁剪成不同大小的正方形或长方形样本,用游标卡尺测量样本面积。然后利用本文开发的叶面积仪器进行对比试验,实验结果如表2所示。因篇幅所限,本文列出部分样本的实际值与仪器测量值之间的关系。得出如式(2)所示的测量精度盯=94.8%。
x7
20
o~F20口
仃=刍是≥善生盟×100%
(2)
乙二q
式中:毋——叶片实际面积;唧——测量误差。
第9期聂鹏程等:植物叶面积无损测量方法及仪器开发
201
表2样本实际面积与仪器测量值及误差
Table2
Instrumentmeasuredvaluesand
errors
S,/cm2
sJQo
e/era2
剐cIll2
S/m2
e/em2
2.32.40.125.8
26.9
1.16.8
7.1
0.2
36.037.51.5
10.2
9.8
0.4
65.868.42.913.414.20.8
86.382.63.714.815.3
O.5
96.4
101.24.820.4
19.5
0.9
128.0
133.2
5-2
注:&——样本实际面积;S——仪器所测面积:e——测量误差。
3.5结果与讨论
通过建立BP神经网络模型测量植物叶片面积不仅
可以建立难于数学描述的’{F线性系统关系,而且可通过大量样本训练消除仪器自身传感器等方面造成的系统误
差,是一种较好仪器数据处理方法。由于仪器无移动部
件并利用光电感应方式测量,因此,本仪器具有无损检测、使用方便等特点。本文开发的仪器与美国AREA
METER公司生产的CID.CI-203高精度叶面积仪相比,
本文仪器可测量任何形状、卷曲程度、软硬度的叶片面积,而CID.CI.20则只适合测量叶面平整、叶面较硬的叶
片。且本文仪器的成本仅为CID—CI.203仪器价格的十分
之一,具有明显经济性。4结论
采用均匀发光板与多晶硅光电感应板测量植物叶面
积的方法简单可行,利用BP人工神经网模型检测方法有效地克服了各光源强度、植物叶片厚度、颜色、测量仪器温度变化对测量精度的影响。本文仪器的测量值与实际值决定系数达到0.98,具有较好的重复性,为植物叶面积测量提供了一种新的测量方法和测量仪器。
[参考文献]
WilhelmWW,RuweKSchlemmerM
R.Comparisonof
threeleaf
area
indexmetersin
acoln
canopy[J].Crop
Sci,
2000.16(40):1179一1183.
【2】2
Jonckheere,FleckS,NackaertsKef
a1.Reviewofmethods
forin-situleaf
area
indexdetermination.PartI.Theories.
sensors
and
hemispherical
photography[J].A酣c
Forest
Meteoroi,2004,121(13):19~35.
【3】3
Ewert,Ewert
F.ModellingplantresponsestoelevatedC02:
howimportantisleaf
area
index[J].AnnBot,2004,93(1):
619--627.
【4】
马新明,张娟娟,席磊,等.基于叶面积指数(LAJ)的小麦变量施氮模型研究【J】.农业工程学报,2008,24(2):
22—26.
MaXinming,ZhangJuanjuan,Xi
Lei,eta1.Variablenitrogen
ertilizationmodelofwheatbasedon
LAI[J].Transactionsof
the
CSAE,2008,24(2):22—26.(inChinese谢tIlEnglish
abstract)
万方数据
[5】Dingkuhn
DE,JohnsonA,Sow,eta1.Relationshipsbetween
uplandricecanopycharacteristicsandweedcompetitiveness
【J】.Field
Crop
Res,1999,6l(2):79—95.
【6]PatrickMeir,John
Grace,AntonioC,eta1.Photographic
method
to
measure也everticaldistributionofleafarea
densityin
forests[J].Agricultural
andForest
Meteorology,
2007,12(3):105—111.
[7】7NormanC,Murdock
J
M,GowerLM.Characterizing
canopynonrandomnesswith
a
multiband
vegetationimager
(MVI)[J】.GeophysRes,2002,13(24):29455--29473.
【8】Leblanc
S
G,Chen
J
M.Apracticalschemeforcorrecting
multiplescatteringeffects
on
optical
LAImeasllrements[J].
A酊c.ForestMeteorol,2001,l10(2):125—139.
[9】
MaloneS,HerbertD八HolshouserDL.EvaluationoftheLAI.2000plantcanopyanalyzerto
estimateleaf
area
in
manually
defoliated
soybean[J].AgronJ,2002,94(4):
1012——1019.
【10]左欣,韩斌,程嘉林.基于数字图像处理的植物叶面积测
量方法[J】.计算机工程与应用,2006,27(8):194—196.ZuoXin,HanBin,ChengJialin.Ameasurementapproachof
leaf
areabased
on
digital
imageprocessing[J].Computer
Engineering
and
Applications,2006,27(8):194—196.(in
Chinese
withEnglishabstract)
【11】张全法,冯绚,何金田.植物叶片面积测量系统的设计及
应用阴.河南农业大学学报,2001,35(4):383--386.ZhangQuanfa,Feng
Xuan,HeJintia.Designandapplication
of
a
system
forplantleafarea
measurement[J].Journal
of
Henan
Agricultural
University,2001,35(4):383--386.(in
ChinesewithEnglish
abstract)
[12】冯冬霞.便携式叶面积仪的研制[D】.北京:中国农业大
学,2005.
[13】刘晓为,潘慧艳,揣荣岩,等.膜厚对多晶硅纳米薄膜压
阻温度特性的影响【J】.传感技术学报,2007,(11)-2422
--2425.
Liu
Xiaowei,PanHuiyan,Chuai
Rongyan,
et
a1.The
influence
of
thickness
on
piezerosistive
Temperature
perpritiesofpolysiliconnanofilams[J].Chinese
Journalof
Sensorand
Actuators,2007,12(11):2422—2425.(in
Chinese
withEnglishabstract)
[14】David
C
T
Or,LaiP
T.Improved
reliabilityforgate
dielectricof
low-temperaturepolysiliconthin—film
transistors
by
NO—plasmanitridation[J].Solid—StateElectronics,2003,
47(8):1391—1395.
[15】HammerM,HoffmannMJ.Detailed
X-raydiffraction
analyses
and
correlation
of
microstructural
and
electromeehanicalpropertiesofLa-dopedPZT
ceramics[J】.J
Electroceram,1998,12(2):75—84.
[16]RaoSS.Optimization
Theory
and
Applications[M].New
York:John
Wiley,1984.
【17】Yu
Shiwei,Zhu
Kejun,DiaoFengqin.Adynamic
allparametersadaptiveBPneuralnetworksmodeland
its
application
on
oilreservoir
prediction[j].
Applied
MathematicsandComputation,2008.195(1):66—75.
202
农业工程学报
2010焦
Method
ofnon--destructivemeasurementforplantleaf
itsinstrumentdevelopment
area
and
NiePengchen91,一,'fang'fanl,一,LiuFeil,ZhengJintu4,HeYon91※
(1.CollegeofBiosystems
EngineeringandFood
Science,Zh巧iangUniversity,Hangzhou310029,China;
2.SchooloflnformationEngineering,NanchangHangkongUniversity,Nanchang330069,China;
3.SchoolofMathematicalSciences,GuangxiTeachersEduca“onUniversity,Nanning530023,China;
4.NingboExtension
CenterforForestrySciences,Ningbo315010,China)
measuringinstrumentWasdevelopedbyusingpoly—Siphotoelectricsensorboardanduniform
lightingslabwithlightsourcesystemsfor也efast.nondestructiveandaccuratemeasurementofplantIeafarea.Back
Abstract:Anewleaf
area
propagationneuralnetworkswereusedtodeveloptherelationships
between
leafareaindexandlightintensity,leaf
board.Theresultsindicatedthatthis
transmittance.environmentaltemperature。voltagevaluesofphotoelectricinstrumentcouldmeasuretheleafareawithdifferentshape,thicknessand
sensor
softness.The
determinationcoemcient(R‘)
a
betweenthemeasuredandpredictedvalueswas
0.98.and
themeasuringaccuracyWas94.8%.Itwasconcludedthat
newmeasuringmethodandinstrumentweredevelopedforthedetectionofleafarea.
Keywords:neuralnetwork,wirelessnetworks,instruments,plantleafarea,non-destructivemeasurement
万方数据http://www.grain17.com/yq_class/yq_275_1.html
198
第26卷第9期2010年9月
农业工程学报
TransactionsoftheCSAE
Vbl.26No.9
Sep.2010
www.grain17.com
植物叶面积无损测量方法及仪器开发
聂鹏程L2,杨燕1’3,刘飞1,郑金土4,何勇燃
(1.浙江大学生物系统工程与食品科学学院,杭州310029;
2.南昌航空大学信息工程学院,南昌330069;
3.广西师范学院数学科学学院,南宁530023;4.宁波市林特科技推广中心,宁波315012)
摘要:为了快速、无损、准确地测量植物叶面积,设计了一种利用多晶硅光电感应板与平板均匀发光光源照射系统构成的叶面积测量装置。通过试验,建立了植物叶片叶面积与光源光强、光源对叶片透射率、环境温度、光电感应板的光电感应电压值间的BP神经网络关系。结果表明:该仪器可测量不同形状、厚度、软硬程度、叶片大小的植物叶片面积,模型预测值与实际值决定系数R2为O.98,测量精度为94.8%,为叶片叶面积测量提供了一种新的测量方法和装置。关键词:神经网络,无线网络,仪器,植物叶面积,无损检测doi:10.3969/j.issn.1002—6819.2010.09.034中图分类号:¥24
文献标志码:A
文章编号:1002—6819(2010)-09-0198-05
NiePengcheng,YangYan,LiuFei,et
聂鹏程,杨燕,刘飞,等.植物时面积无损测量方法及仪器开发[J】.农业工程学报,2010,26(9):198--202.
a1.Methodofnon-destructivemeasurementforplantleafareaanditsinstrument
ChinesewithEnglish
development[J].TransactionsoftheCSAE,2010,26(9):198--202.(inabstract)
0引言
植物叶面积是衡量作物群体结构的重要指标之一,是植物生长状态诊断及其生长预测模型中重要的参数之一,也是实际管理的重要依据【l引。叶面积也是影响植物光合作用的一个重要因素,与植物氮含量也存在一定的相关性。马新明等【4】提出了叶面积与变量施氮间的关系,建立了相应的模型并得到较好的验证。另外,叶面积是体现作物生长发育和生理生态的重要指标,也是研究作物栽培、遗传育种等必需参考的因素【5】。因此,快速准确地测量植物叶面积能够有效地提高研究效率。
随着科技的发展,植物叶面积测量由最初的坐标纸法、系数法、复印称重法、器测法、估计法等【6】传统手段到利用计算机技术检测叶面积,测量精度和可靠性有了较大的提高。利用计算机检测目前主要有计算机图像检测和光谱扫描等方法【7{】,S.Malone、左欣等分别提出了一种基于图像处理的叶面积测量方法【9.101。该方法测量叶面积精度高,且无破坏性。但是图像的获取操作比较复杂,每一次拍摄图片均须要在等距离检测位置处获取叶片图像。操作困难,测量可靠性差且成本较高。马泽清【ll】等提出了利用C12110冠层分析仪、鱼眼镜头数码照片影
像分析方法测量叶片面积,该方法克服了普通成像图像处理测量法存在的弊端,但成本高,操作过程复杂,推广比较困难。冯冬霞【12】研究了一种高精度便携式光电扫描式叶面积仪,在测量精度方面有较大的提高,但外界因素对精度影响较大。因此,开发一台便携式的使用简单、性能可靠、测量精度高、成本低的植物叶面积测量仪具有重要意义。
本文提出了一种新的测量方案,并开发了相应的测量仪器。利用双晶硅光电感应板和平面发光板构成检测系统,采用标准计算法和仪器实际所测得的各项参数建立BP神经网络模型,通过模型运算得出被测叶片面积。1仪器整体设计
1.1
仪器检测原理与结构设计
叶面积检测原理如图l所示,实物图如图2所示。仪器感光板尺寸为245mmX350toni,均匀发光板与多晶硅光电传感器相对。多晶硅光电感应板在光源照射下产生一定的感应电压,当夹入植物叶片时,叶片将部分照射光线遮挡,光电感应板的感应电压也随之变化,利用挡光程度与光电感应电压值的大小关系计算被测叶面积大小。但由于光源针对不同种类、不同厚度、不同颜色的植物叶片透光率不同,且多晶硅光电感应板的光电效应与温度也存在一定关系[13-14】,因此,要利用上述原理准确测量植物叶片面积,必须考虑到光源对叶片的透射率与测量时多晶硅光电感应板的温度系数。
为了克服上述因素的影响,将光电传感器5作为光源光强传感器,实时检测平板光源的发光光强蜀;光电传感器4作为透光率传感器置于多晶硅光电感应板正中心位置,用于检测仪器对被测叶片的透光率局。温度传感器3置于多晶硅光电传感板上,检测得温度系数为为,光电感应板所测得的电压AD转换值为五,将上述参数
收稿日期:2009.12-26修订日期:2010-09.10
基金项目:国家高技术研究发展计划(“863”计划)项目(2007AAl07.210):国家农业科技成果转化基金项目(2009GB23600517);公益性行业(农业)科研专项(200803037);浙江省自然科学基金重点项目(7-.3090295)l宁波市重大科技攻关项目(007C10034)资助
作者简介:聂鹏程(1982一),男,湖北通城人,博士生,主要从事农业仪器与智能化装备研究。杭州浙江大学生物系统工程与食品科学学院,
310029
※通信作者:何勇(1963一),男,浙江慈溪人,教授,博士,博士生导师,主要从事数字农业及3S技术研究.杭州浙江大学生物系统工程与食品科学学院,310029
万方数据
第9期聂鹏程等:植物叶面积无损测量方法及仪器开发
199
通过传感器检测后作为变量置于模型中,通过建立人工神经网络模型克服各因素对测量结果的干预。
1.均匀发光板2.多晶硅光电感应板3.温度传感器4.透光率传感器5.光源光强传感器6.被测叶片
图l仪器光电测量原理结构
Fig.1
Slaa_letureofoptical
measuringprincipleofinsllument
图2仪器实物图
Fig.2
Pictureof
instrumentinthispaper
1.2仪器硬件电路设计
根据叶面积测量原理,采用ARMCortexM3内核的STM32F103ZET6芯片为仪器核心,光电感应板电压信号、温度传感器信号、光源对叶片透光率传感器信号、光源光强信号通过8路电子选通开关进行选择性采样,经16位AD转换芯片AD7705将相应传感器信号进行AD转换,各路采集信号通过BP网络运算后将测量结果显示在LCD显示屏上。并将测量结果保存到FLASH存储器中,可通过USB接口与PC机通讯并进行数据读取,也可将测量结果通过无线模块发送给PC机。具体硬件结构框图如图3所示。
透光率传感器l
l温度传感器I
I光电感应板I
l光强传感器
信号调理电路H
8路数据选通开关
竺::!!竺堕堡俐cPU厅磊五飞d洲32n03z
I蕊爵U蹦
瓣竺塑磊
揖翮
图3仪器硬件电路框图
Fig.3
H盯dware
structure
ofinstrument
万方数据
1.3仪器软件设计
本文研制的叶面积测量仪系统软件以模块化程序设计思想编程,通过系统结构主程序调用方式实现测量和数据处理等操作。主要分为以下几个模块:AD数据采集模块;无线数据传输模块;模型运算处理模块;人机交互模块;FLASH存储器读写模块,通过系统主程序流程进行管理调控,主程序流程图如图4所示。
开始I
I返回
I
I
返回
仪器预热
畜际赢回蒜
l存‘储并显示lI竺!兰!ll求平均值
仪器开机自动梭准II璺型!兰到l竺塑堡竺Il圭!塑墨lI返回
调键扫子程序
AD采样IIUSB通信IJ查看lI无线发送
无键按下
图4仪器软件主流程图
Fig.4
Mainsoftwareflowchartofinstrument
仪器开机预热后进入待测状态。用户按键选择各项操作,仪器进入测量程序后,用户可执行多次测量并取平均值。通过选择其它按键可分别执行数据查看、USB与PC机接口通信、无线数据发送等操作。2测量模型的建立
2.1试验方法
本文采用1.2节中提出的原理方案进行试验,具体方案为:采集桑树叶、枫叶、香樟树叶、葫芦藓叶片各50片,共200片叶片。其中160个样本用于训练BP网络,40个样本用于模型预测。利用美国AREA
METER公司
生产的CID—CI-203高精度叶面积仪测量样本面积Ys并
记录。将制备好的样本置于仪器测量位置处,通过AD转换获取每个样本的透光率参数和感光电压参数、测量温度数据并记录,并建立这些数据量之间的映射表。通过改变测量环境的温度,重复上述实验,并记录相关数据,建立数据映射表。
2.2模型建立
人工神经网络技术[15-171是以生物神经网络原理为基础,模拟人脑行为的一种并行信息处理方法。本文根据实际须求选用BP网络。BP网络结构如图5所示,它由输入层、隐含层和输出层组成。
采用具有一定阈值特性的可连续微分的Sigmoid函数作为神经元的激发函数
f(x)=专
(1)
式中:_『《曲——神经元的非线性作用函数;工——神经元
的连接权。
分析测量本仪器测量叶面积指数的各种影响因素,分别把墨、五、玛、局作为输入神经元,E作为输出神
200
农业工程学报
2010住
经元。从现有射表中提取160组数据作为训练样本,并分别进行训练,获得各自的连接权值和阈值。存储连接权系数,构成模型知识库,并将知识库移植到仪器系统
软件中。
中间层
输出层
图5
BP神经网络结构图
Fig.5
BPnetwork
structure
diagram
3试验结果
3.1
BP神经网络模型的处理结果
在BP网络中,其中输入神经元为4个,1个输出神
经元,将数据经过标准化处理后,Sigmoid参数选取0.9,取4个隐含神经元,训练1000次,得到结果如表l的映射关系,由于篇幅限制,本文选取典型的10个样本列于表1。其拟合残差值0.00034。
表l训练样本与拟合值映射表
Table1
Mapingtableoftrainingsamplesandthefinedvalues
从表1可以看出,BP神经网络训练后的拟合值与实际测量值准确率为97.1%,符合仪器的检测精度。
3.2
BP网络运算模型的预测能力
把40个预测样本在仪器检测后的各参数输入BP神经网络进行运算,得到如图6所示的预测结果。
在图6中,预测值与实际值的决定系数达到0.98,达到测量仪器模犁预测要求。这说明:建立的BP神经网络运算模型具有较好的数据处理与预测效果,可以将模
型移植到MCU中。
3.3基于BP神经网络算法的仪器测量性能
将BP神经网络模型移植到仪器系统软件中后,选取30个厚薄程度、检测温度均不相同的环境进行仪器测量试验,将测量值与美国AREAMETER公司生产的
万方数据
CID—CI.203高精度叶面积仪(测量精度为0.4cm2)测量
值相比,得到如图7所示的测量值相关性。
瑚啪
吕
姗
{
趔珊
翼隧*姗地
瑚啪
。
01002003004005006007∞
样本实测值/c一
图6
BP网络模型预测结果
Fig.6
ResultsofBPnetworkmodelprediction
瑚鲫甚
姗弋
趔枷衰袜稚姗基
抛啪
。
o
100200300400
500
600
700
美回CID-CI.203仪测置值/cm2
图7仪器实测值与实际样本叶面积的关系Fig.7
Relationshipofthisinstrumentbetweenmeasured
and
actual
samplesvalues
此外,针对叶面积测量的测量环境因素不一,本文设计了仪器的满量程自动校准和标准样本校准方法。测量不同大小的叶片面积时选用不同大小的校正样本,此外,仪器还具有多次测量后取平均值的功能。可将误差尽可能减小,能有效克服不同工作环境和叶片种类造成
的各种测量误差。仪器在具有抗干扰能力的同时,也能将各种测量结果保存到FLASH存储器内,记录完整的测量结果,并可通过无线或USB口或串口发送数据,将已测信息发送给PC机。
3.4仪器的精度
将20个校验叶片裁剪成不同大小的正方形或长方形样本,用游标卡尺测量样本面积。然后利用本文开发的叶面积仪器进行对比试验,实验结果如表2所示。因篇幅所限,本文列出部分样本的实际值与仪器测量值之间的关系。得出如式(2)所示的测量精度盯=94.8%。
x7
20
o~F20口
仃=刍是≥善生盟×100%
(2)
乙二q
式中:毋——叶片实际面积;唧——测量误差。
第9期聂鹏程等:植物叶面积无损测量方法及仪器开发
201
表2样本实际面积与仪器测量值及误差
Table2
Instrumentmeasuredvaluesand
errors
S,/cm2
sJQo
e/era2
剐cIll2
S/m2
e/em2
2.32.40.125.8
26.9
1.16.8
7.1
0.2
36.037.51.5
10.2
9.8
0.4
65.868.42.913.414.20.8
86.382.63.714.815.3
O.5
96.4
101.24.820.4
19.5
0.9
128.0
133.2
5-2
注:&——样本实际面积;S——仪器所测面积:e——测量误差。
3.5结果与讨论
通过建立BP神经网络模型测量植物叶片面积不仅
可以建立难于数学描述的’{F线性系统关系,而且可通过大量样本训练消除仪器自身传感器等方面造成的系统误
差,是一种较好仪器数据处理方法。由于仪器无移动部
件并利用光电感应方式测量,因此,本仪器具有无损检测、使用方便等特点。本文开发的仪器与美国AREA
METER公司生产的CID.CI-203高精度叶面积仪相比,
本文仪器可测量任何形状、卷曲程度、软硬度的叶片面积,而CID.CI.20则只适合测量叶面平整、叶面较硬的叶
片。且本文仪器的成本仅为CID—CI.203仪器价格的十分
之一,具有明显经济性。4结论
采用均匀发光板与多晶硅光电感应板测量植物叶面
积的方法简单可行,利用BP人工神经网模型检测方法有效地克服了各光源强度、植物叶片厚度、颜色、测量仪器温度变化对测量精度的影响。本文仪器的测量值与实际值决定系数达到0.98,具有较好的重复性,为植物叶面积测量提供了一种新的测量方法和测量仪器。
[参考文献]
WilhelmWW,RuweKSchlemmerM
R.Comparisonof
threeleaf
area
indexmetersin
acoln
canopy[J].Crop
Sci,
2000.16(40):1179一1183.
【2】2
Jonckheere,FleckS,NackaertsKef
a1.Reviewofmethods
forin-situleaf
area
indexdetermination.PartI.Theories.
sensors
and
hemispherical
photography[J].A酣c
Forest
Meteoroi,2004,121(13):19~35.
【3】3
Ewert,Ewert
F.ModellingplantresponsestoelevatedC02:
howimportantisleaf
area
index[J].AnnBot,2004,93(1):
619--627.
【4】
马新明,张娟娟,席磊,等.基于叶面积指数(LAJ)的小麦变量施氮模型研究【J】.农业工程学报,2008,24(2):
22—26.
MaXinming,ZhangJuanjuan,Xi
Lei,eta1.Variablenitrogen
ertilizationmodelofwheatbasedon
LAI[J].Transactionsof
the
CSAE,2008,24(2):22—26.(inChinese谢tIlEnglish
abstract)
万方数据
[5】Dingkuhn
DE,JohnsonA,Sow,eta1.Relationshipsbetween
uplandricecanopycharacteristicsandweedcompetitiveness
【J】.Field
Crop
Res,1999,6l(2):79—95.
【6]PatrickMeir,John
Grace,AntonioC,eta1.Photographic
method
to
measure也everticaldistributionofleafarea
densityin
forests[J].Agricultural
andForest
Meteorology,
2007,12(3):105—111.
[7】7NormanC,Murdock
J
M,GowerLM.Characterizing
canopynonrandomnesswith
a
multiband
vegetationimager
(MVI)[J】.GeophysRes,2002,13(24):29455--29473.
【8】Leblanc
S
G,Chen
J
M.Apracticalschemeforcorrecting
multiplescatteringeffects
on
optical
LAImeasllrements[J].
A酊c.ForestMeteorol,2001,l10(2):125—139.
[9】
MaloneS,HerbertD八HolshouserDL.EvaluationoftheLAI.2000plantcanopyanalyzerto
estimateleaf
area
in
manually
defoliated
soybean[J].AgronJ,2002,94(4):
1012——1019.
【10]左欣,韩斌,程嘉林.基于数字图像处理的植物叶面积测
量方法[J】.计算机工程与应用,2006,27(8):194—196.ZuoXin,HanBin,ChengJialin.Ameasurementapproachof
leaf
areabased
on
digital
imageprocessing[J].Computer
Engineering
and
Applications,2006,27(8):194—196.(in
Chinese
withEnglishabstract)
【11】张全法,冯绚,何金田.植物叶片面积测量系统的设计及
应用阴.河南农业大学学报,2001,35(4):383--386.ZhangQuanfa,Feng
Xuan,HeJintia.Designandapplication
of
a
system
forplantleafarea
measurement[J].Journal
of
Henan
Agricultural
University,2001,35(4):383--386.(in
ChinesewithEnglish
abstract)
[12】冯冬霞.便携式叶面积仪的研制[D】.北京:中国农业大
学,2005.
[13】刘晓为,潘慧艳,揣荣岩,等.膜厚对多晶硅纳米薄膜压
阻温度特性的影响【J】.传感技术学报,2007,(11)-2422
--2425.
Liu
Xiaowei,PanHuiyan,Chuai
Rongyan,
et
a1.The
influence
of
thickness
on
piezerosistive
Temperature
perpritiesofpolysiliconnanofilams[J].Chinese
Journalof
Sensorand
Actuators,2007,12(11):2422—2425.(in
Chinese
withEnglishabstract)
[14】David
C
T
Or,LaiP
T.Improved
reliabilityforgate
dielectricof
low-temperaturepolysiliconthin—film
transistors
by
NO—plasmanitridation[J].Solid—StateElectronics,2003,
47(8):1391—1395.
[15】HammerM,HoffmannMJ.Detailed
X-raydiffraction
analyses
and
correlation
of
microstructural
and
electromeehanicalpropertiesofLa-dopedPZT
ceramics[J】.J
Electroceram,1998,12(2):75—84.
[16]RaoSS.Optimization
Theory
and
Applications[M].New
York:John
Wiley,1984.
【17】Yu
Shiwei,Zhu
Kejun,DiaoFengqin.Adynamic
allparametersadaptiveBPneuralnetworksmodeland
its
application
on
oilreservoir
prediction[j].
Applied
MathematicsandComputation,2008.195(1):66—75.
202
农业工程学报
2010焦
Method
ofnon--destructivemeasurementforplantleaf
itsinstrumentdevelopment
area
and
NiePengchen91,一,'fang'fanl,一,LiuFeil,ZhengJintu4,HeYon91※
(1.CollegeofBiosystems
EngineeringandFood
Science,Zh巧iangUniversity,Hangzhou310029,China;
2.SchooloflnformationEngineering,NanchangHangkongUniversity,Nanchang330069,China;
3.SchoolofMathematicalSciences,GuangxiTeachersEduca“onUniversity,Nanning530023,China;
4.NingboExtension
CenterforForestrySciences,Ningbo315010,China)
measuringinstrumentWasdevelopedbyusingpoly—Siphotoelectricsensorboardanduniform
lightingslabwithlightsourcesystemsfor也efast.nondestructiveandaccuratemeasurementofplantIeafarea.Back
Abstract:Anewleaf
area
propagationneuralnetworkswereusedtodeveloptherelationships
between
leafareaindexandlightintensity,leaf
board.Theresultsindicatedthatthis
transmittance.environmentaltemperature。voltagevaluesofphotoelectricinstrumentcouldmeasuretheleafareawithdifferentshape,thicknessand
sensor
softness.The
determinationcoemcient(R‘)
a
betweenthemeasuredandpredictedvalueswas
0.98.and
themeasuringaccuracyWas94.8%.Itwasconcludedthat
newmeasuringmethodandinstrumentweredevelopedforthedetectionofleafarea.
Keywords:neuralnetwork,wirelessnetworks,instruments,plantleafarea,non-destructivemeasurement
万方数据http://www.grain17.com/yq_class/yq_275_1.html