本文主要设计和验证了一种新型的多光谱成像设备，该设备利用气流来吸引、定位和展平大豆叶片，从而实现高速、高质量和高分辨率的叶片成像。结果表明，该设备能够有效地检测大豆叶片的氮素含量，并与实验室测定值和无人机遥感数据进行了对比。降低了植物表型分析的人力和时间成本，提高了数据质量，为叶片级多光谱成像技术提供了新的思路。

论文的主要创新之处：

·采用了主动感应的方式，通过气流来操纵叶片的方向，保持叶片平整并固定在传感器区域，解决了传统感应方式需要人工捕捉和夹持叶片的问题，提高了成像速度和质量。该机制改变了传统的传感器到目标模式，使得设备操作更加简便快捷，成像角度更加一致。

·设计了一个封闭式的成像室，使用LED灯提供稳定和一致的光照条件，同时屏蔽环境光的干扰，增加了信噪比和空间分辨率，相比遥感技术具有更高的精度。该设备能够在四个波长下（蓝色、绿色、红色和近红外）获取大豆叶片的反射率多光谱图像，这些波长对于研究叶片的叶绿素和氮素含量有重要意义。

·使用了图像修复技术来去除尼龙线网对图像造成的影响，并重建缺失的像素信息，保证了图像完整性和一致性。该技术使用了基于块匹配的图像修复方法，从图像中未损坏的部分寻找最佳匹配的块来填补缺失区域。这样可以保证修复后的区域具有与原始图像相似的强度，这对于多光谱成像非常重要，因为许多表型参数是基于不同光源下图像强度来计算的。

·在温室实验和田间实验中验证了设备对大豆氮素含量检测的有效性，并与实验室测定值和无人机遥感数据进行了对比，证明了该设备具有更好的区分能力和相关性。温室实验中，使用两种不同氮素水平处理大豆植株，并测量其顶部和底部三出叶片中间叶片的NDVI值。结果显示，该设备能够显著地区分不同氮素水平，并且与实验室测定值呈现出较强的线性相关性。田间实验中，在不同氮素水平下种植两种大豆品种，并使用该设备和无人机遥感系统分别获取顶部三出叶片中间叶片和整个田块的NDVI值。结果显示，该设备能够有效地检测氮素水平差异（p = 0.008），而无人机遥感系统则不能（p = 0.239）。这些实验证明了该设备相比遥感技术具有更高的信号与噪声比和空间分辨率。

图1 设备原理图

图2（A） 装置组件。（B）每个组件之间的命令和数据流。

图 3 操作流程图。

 图 4. 尼龙线的分割程序。 (A) Gabor 过滤器识别对齐尼龙线的幅度图。 (B) 从 Gabor 滤波器映射生成的掩码。 (C) 分割前的图像。 (D) 分割后的图像。

图 5 图像修复结果。 (A) 修复前的图像。 (B) 修复后的图像。

图 6  (A) 按叶片位置和氮处理的全叶平均 NDVI。 (B) 全叶平均 NDVI 与参考氮含量的相关性。

 图 7. 从高光谱数据重建的 RGB 图像以及相应的处理。

 图 8 区分田间氮含量的结果。 (A) 新开发的多光谱成像装置。 (B) 通过无人机进行高光谱成像。