开发高精度低成本的NDVI成像系统用于评价植物健康状况


发布时间:

2023-03-07

来源:

植物表型资讯

作者:

PhenoTrait

光谱成像是高通量表型分析的关键方法,它可用于评估多种生物参数。使用特定波长计算的归一化差异植被指数(NDVI)常用来分析作物的健康状况。开发小型、低成本和易于安装使用的光谱成像系统,在精准农业中的应用具有重要意义。本文描述了一种使用连接树莓派的双摄像头系统来生成NDVI图像的方法,称为NDVIpi。使用光谱参考目标校准图像反射率而后计算NDVI,与使用单一参考/标准的系统相比,其精度有所提高。与标准光谱法相比NDVIpi成像系统显示出强大的性能,NDVIpi还与相对更昂贵的商用相机 (Micasense RedEdge) 进行比较,两种相机在测量NDVI方面的性能相当。NDVIpi和RedEdge的NDVI值之间存在差异,这可能是由于每个相机在NDVI计算中使用的波长不同。结果表明,NDVIpi使用的波长比RedEdge所测量的波长对叶绿素含量的变化表现出更高的敏感性。我们提出了一种基于Raspberry Pi的NDVI成像系统,该系统利用低成本、现成的组件以及校准方法组成,该校准方法能够精准测量NDVI值且具有较强的鲁棒性。与商业系统相比,尽管我们的系统只是成本的一小部分,但获得了精确的NDVI值。我们的结果还强调了在NDVI计算中选择红色波长的重要性,这也导致了不同相机系统之间的灵敏度差异。

 

图1 Raspberry Pi Compute、PiCamera和NoIR PiCamera的连接示意图,以及金属相机支架。相机支架将两个相机保持在同一平面上,从而可以很好地对齐拍摄的图像

 

图2 树莓派校准板,由六种具有已知相对反射率的漫反射参考材料组成

 

图3 校准过程,显示从捕获图像到生成输出NDVI图像的每个步骤,虚线箭头表示可选步骤。

 

图4 示例数据。A直接从摄像机拍摄的图像中校准原始数字,使用六种校准材料的已知反射率来找到数字和反射率之间的关系,一旦为图像建立了关系,整个图像的原始数字可以转换为反射率值。B通过重新缩放转换后的反射率值(从0到100%)以使用完整的16位(0–65535)范围,对反射率数据进行归一化。C、 D为典型的NIR图像,显示了校准和标准化过程之前(C)和之后(D)图像之间的视觉差异。

 

图5  A 温室内豆类植物的RGB图像。B相对应的彩色NDVI图像。C在受控光源下拍摄的豆类树叶的RGB图像。D生成的NDVI图像,选择在视觉上与RGB图像相对应的颜色渲染方案。

 、

图6 使用光谱仪计算的与使用Raspberry Pi计算的NDVI值对比。红色虚线表示理想曲线,小麦(黄色)、大麦(蓝色)和豆类(绿色)。A中n=181,B中省略了豆类数据集n=59。Raspberry Pi图像计算的NDVI值与使用光谱仪计算的NDVI值显示出良好的关系(R2 > 0.89)。

 

图7 通过光谱仪测量的一系列波长计算NDVI值,以确定哪些波长计算的NDVI值与Raspberry Pi图像中实际获得的NDVI最接近。测量两个NDVI值之间的百分比(%)差异。图A中NDVI的可见红波长范围为600-700nm,NIR波长固定在750nm。图B中NIR的波长范围为700-800nm,可见红色固定在620nm。结果表明,620nm(红)/ 750nm(NIR) 计算的NDVI值与Raspberry Pi图像中实际获得的NDVI最匹配(n = 150)。

 

图8 在环境光照下温室中拍摄的豆类叶子NDVI图像。图A是来自NDVIpi系统的NDVI图像;图B是来自Micasense RedEdge的NDVI图像。

 

图9 (黑点)为用Raspberry Pi测量的NDVI,(红点)为采用Micasense RedEdge测量的NDVI,与采用620nm波长(红色)和750nm波长(NIR)计算的NDVI对比。

 

图10 使用NDVIRaspPi计算的NDVI与通过光谱仪测量的NDVIMicasanse之间的关系。

 
 
来 源
Stamford J D, Vialet-Chabrand S, Cameron I, et al. Development of an accurate low cost NDVI imaging system for assessing plant health[J]. Plant Methods, 2023, 19(1): 9.
 
 

编辑

刘昕哲
 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。