植物叶片叶绿素含量测量方法及系统

摘要

本发明公开了一种植物叶片叶绿素含量测量方法及系统，涉及叶绿素含量检测技术领域，所述方法包括：S1：获取所述待测植物叶片表面的激光后向散射图像；S2：对图像中的光斑进行边缘检测，并获取光斑的中心；S3：获取距离中心点预设距离的像素值；S4：对所述漫射方程进行拟合反演，以获得光学特征参数；S5：建立叶绿素含量与光学特征参数之间的预测关系模型，获得所述待测植物叶片的叶绿素含量。本发明通过对散射图像进行处理，实现了较厚叶片的叶绿素无损测量，在不提高仪器成本的情况下，保证植物叶片叶绿素含量的测量精度。

主权项

1.一种植物叶片叶绿素含量测量方法，其特征在于，包括以下步骤：S1：通过激光器的出射光线照射待测植物叶片表面，并通过图像传感器获取所述待测植物叶片表面的激光后向散射图像；S2：对所述待测植物叶片表面的激光后向散射图像进行灰度转化，对转化后的图像进行去噪处理，再对去噪后的图像中的光斑进行边缘检测，并获取光斑的中心；S3：以所述光斑的中心为圆心、N个像素为步长作同心圆，直至到达所述光斑的边缘，将每个同心圆的横纵坐标方向的像素值相加取平均值作为距离中心点预设距离的像素值，其中，N为大于零的整数；S4：构建漫射方程，将所述预设距离和对应的像素值代入所述漫射方程，对所述漫射方程进行拟合反演，以获得待测叶片的光学特征参数，所述光学特征参数包括：约化散射系数和吸收系数中的至少一个；S5：利用回归方法建立叶绿素含量与光学特征参数之间的预测关系模型，根据所述预测关系模型和所述待测叶片的光学特征参数获得所述待测植物叶片的叶绿素含量；其中，步骤S5中，所述叶绿素含量与光学特征参数之间的预测关系模型通过以下步骤获得：S51：选择预设数量的具有代表性的所述待测植物叶片作为样品；S52：使用SPAD502仪测量所述待测植物叶片的叶绿素值；S53：通过激光器的出射光线照射所述具有代表性的样品表面，并通过图像传感器获取所述具有代表性的样品表面的激光后向散射图像；S54：对所述具有代表性的样品表面的激光后向散射图像进行灰度转化，对转化后的图像进行去噪处理，再对去噪后的图像中的光斑进行边缘检测，并获取光斑的中心；S55：以所述光斑的中心为圆心、N个像素为步长作同心圆，直至到达所述光斑的边缘，将每个同心圆的横纵坐标方向的像素值相加取平均值作为距离中心点预设距离的像素值，依次完成每个具有代表性的样品的像素值的提取，其中，N为大于零的整数；S56：构建漫射方程，将所述预设距离和对应的像素值代入所述漫射方程，对所述漫射方程进行拟合反演，以获得每个具有代表性的样品的光学特征参数；S57：对所述具有代表性的样品的叶绿素含量和光学特征参数进行回归，以获得所述叶绿素含量与光学特征参数之间的预测关系模型；在步骤S57中，所述光学特征参数与叶绿素的关系模型包括：约化散射系数与叶绿素的关系模型、和吸收系数与叶绿素的关系模型中的至少一个；其中，所述漫射方程为$R\left(\rho \right)=\frac{1}{4\pi }[z_0({\mu }_{\mathrm{eff}}+\frac{1}{r_1})\frac{\exp (-{\mu }_{\mathrm{eff}}{r}_1)}{{r_1}^2}+(z_0+{2z}_b)({\mu }_{\mathrm{eff}}+\frac{1}{r^2})\frac{\exp (-{\mu }_{\mathrm{eff}}{r}_2)}{{r_2}^2}]$R(ρ)为光强值，ρ为激光器的出光口与叶片表面之间的垂直距离，R_eff为叶片表面向叶片组织内的反射系数，D为漫射系数，z₀=(μ_a+μ′_s)^-1，μ_eff=[3μ_a(μ_a+μ′_s)]^1/2，μ′_s为约化散射系数，μ_a为吸收系数；S58：获得约化散射系数、以及吸收系数分别与所述叶绿素含量的对应关系的误差值，选择误差值较小的对应关系模型进行叶绿素含量的最终测量。