一种检测水稻中重金属镉的方法及系统与流程

1.本发明涉及农业检测技术领域，尤其涉及一种检测水稻中重金属镉的方法及系统。


背景技术：

2.镉是一种通过工业生产和农业实践广泛传播的银白色有毒金属污染物，主要应用于电池和颜料的生产中，具有不可降解性和积聚性，是环境中毒性最强的重金属之一。镉普遍存在于环境中，会通过水源、土壤、空气流动等进入生态系统内循环，其中土壤中的镉可被水稻根系吸收到体内，严重影响水稻的正常生长，并通过食物链对人体健康造成危害。并且，不同水稻部位对重金属镉的累积效应也不同。因此在水稻重金属镉检测的过程中，往往需要对水稻不同部分进行相应的镉含量检测。但常规的检测方法操作繁琐、耗时耗力且灵敏度低，自动化程度低，难以满足快速、无损检测的要求。因此，快速、高效和精准检测农作物重金属对有效监测农作物生长，早发现早防治农作物毒害胁迫，培育高产量、高品质的农作物及实现绿色农业发展具有重要意义。


技术实现要素：

3.本发明克服了现有技术的不足，提供了一种检测水稻中重金属镉的方法及系统。
4.为了达到上述目的，本发明采用的技术方案为：
5.本发明第一方面公开了一种检测水稻中重金属镉的方法，包括如下步骤：
6.获取样本台区域的整体图像信息，并在所述整体图像信息中提取出待检测样本的特征参数；
7.基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端；
8.基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描，从而获得待检测样本的反射光谱图像；
9.对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值；
10.根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值。
11.进一步的，本发明的一个较佳实施例中，在所述整体图像信息中提取出待检测样本的特征参数，具体包括如下步骤：
12.通过大数据网络获取预设检测样本的图像信息，建立数据库，并将所述预设检测样本的图像信息导入所述数据库中，得到预设检测样本的图像信息数据库；
13.将所述样本台区域的整体图像信息导入所述预设检测样本的图像信息数据库中进行识别，得到识别结果；
14.根据所述识别结果判断所述样本台区域中是否存在预设检测样本；
15.若存在，则基于整体图像信息提取出待检测样本的特征参数。
16.进一步的，本发明的一个较佳实施例中，基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端，具体包括如下步骤：
17.获取光谱成像系统扫描时的最大扫描区域范围，并以所述最大扫描区域范围为基准将所述待检测样本分割为若干个子扫描区域；
18.分别确定出若干个所述子扫描区域的中心位置点，并根据所述中心位置点与子扫描区域生成一条或多条扫描路径信息，并得到所述一条或多条扫描路径的路径值；
19.建立大小排列图表，将所述一条或多条扫描路径的路径值导入所述大小排列图表，并由所述大小排列图表中提取出最小路径值的扫描路径；
20.将所述最小路径值的扫描路径作为最终的扫描路径信息传送至光谱成像系统的控制终端上。
21.进一步的，本发明的一个较佳实施例中，在基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描之前的步骤，还包括对光谱成像系统进行调试的步骤：
22.获取光谱成像系统中ccd相机下表面与待检测样品上表面之间的实际距离值，并计算所述实际距离值与预设距离值之间的差值，得到距离差值；
23.判断所述距离差值是否位于预设阈值范围内；
24.若不位于，则生成第一修正信息，对所述ccd相机位置进行修正；
25.若位于，则控制样本台按照预设速度移动，并通过ccd相机获取各个子扫描区域的调试图像信息；
26.由所述调试图像信息中提取出各个子扫描区域中待检测样本的轮廓形状信息；
27.判断轮廓形状信息与预设轮廓是否相同；
28.若不同，则生成第二修正信息，对样本台预设移动速度进行修正。
29.进一步的，本发明的一个较佳实施例中，对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值，具体包括如下步骤：
30.对所述反射光谱图进行校正处理，从而得到预设感兴趣区域的高光谱反射率图像；
31.根据所述光谱反射率图像获取得到预设感兴趣区域中目标区域与背景区域的反射率光谱曲线，并将两条反射率光谱曲线进行比较，从而得到目标区域与背景区域中差异最大的第一光谱波长与差异最小的第二光谱波长；
32.对所述第一光谱波长与第二光谱波长进行比值处理，从而获的预设感兴趣区域中目标区域与背景区域的比值图像；
33.对所述比值图形进行阈值分割，从而获得灰度化掩模图像，对所述灰度化掩模图像进行去阴影处理，从而获得二值化掩模图像；
34.将所述二值化掩模图像应用于所述反射光谱图像中，得到掩模后的预设感兴趣区域的述反射光谱图像；
35.基于所述掩模后的预设感兴趣区域的述反射光谱图像获得预设感兴趣区域的光谱反射率平均值。
36.进一步的，本发明的一个较佳实施例中，根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值，具体包括如下步骤：
37.通过大数据网络获取不同感兴趣区域在不同光谱反射率平均值所对应的标准重金属镉含量值，并建立预测数据库；
38.分别获取不同预设感兴趣区域的光谱反射率平均值；
39.将所述不同预设感兴趣区域的光谱反射率平均值导入所述预测数据库中，从而确定出不同预设感兴趣区域所对应的重金属镉的含量值。
40.本发明另一方面公开了一种检测水稻中重金属镉的系统，所述系统包括储存器与处理器，所述储存器包括检测水稻中重金属镉的方法程序，所述储存器包括检测水稻中重金属镉的方法程序被处理器执行时，实现如下步骤：
41.获取样本台区域的整体图像信息，并在所述整体图像信息中提取出待检测样本的特征参数；
42.基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端；
43.基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描，从而获得待检测样本的反射光谱图像；
44.对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值；
45.根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值。
46.进一步的，本发明的一个较佳实施例中，在所述整体图像信息中提取出待检测样本的特征参数，具体包括如下步骤：
47.通过大数据网络获取预设检测样本的图像信息，建立数据库，并将所述预设检测样本的图像信息导入所述数据库中，得到预设检测样本的图像信息数据库；
48.将所述样本台区域的整体图像信息导入所述预设检测样本的图像信息数据库中进行识别，得到识别结果；
49.根据所述识别结果判断所述样本台区域中是否存在预设检测样本；
50.若存在，则基于整体图像信息提取出待检测样本的特征参数。
51.进一步的，本发明的一个较佳实施例中，基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端，具体包括如下步骤：
52.获取光谱成像系统扫描时的最大扫描区域范围，并以所述最大扫描区域范围为基准将所述待检测样本分割为若干个子扫描区域；
53.分别确定出若干个所述子扫描区域的中心位置点，并根据所述中心位置点与子扫描区域生成一条或多条扫描路径信息，并得到所述一条或多条扫描路径的路径值；
54.建立大小排列图表，将所述一条或多条扫描路径的路径值导入所述大小排列图表，并由所述大小排列图表中提取出最小路径值的扫描路径；
55.将所述最小路径值的扫描路径作为最终的扫描路径信息传送至光谱成像系统的控制终端上。
56.进一步的，本发明的一个较佳实施例中，对所述反射光谱图像进行校正处理，并在
校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值，具体包括如下步骤：
57.对所述反射光谱图进行校正处理，从而得到预设感兴趣区域的高光谱反射率图像；
58.根据所述光谱反射率图像获取得到预设感兴趣区域中目标区域与背景区域的反射率光谱曲线，并将两条反射率光谱曲线进行比较，从而得到目标区域与背景区域中差异最大的第一光谱波长与差异最小的第二光谱波长；
59.对所述第一光谱波长与第二光谱波长进行比值处理，从而获的预设感兴趣区域中目标区域与背景区域的比值图像；
60.对所述比值图形进行阈值分割，从而获得灰度化掩模图像，对所述灰度化掩模图像进行去阴影处理，从而获得二值化掩模图像；
61.将所述二值化掩模图像应用于所述反射光谱图像中，得到掩模后的预设感兴趣区域的述反射光谱图像；
62.基于所述掩模后的预设感兴趣区域的述反射光谱图像获得预设感兴趣区域的光谱反射率平均值。
63.本发明解决了背景技术中存在的缺陷，并能够达到如下的技术效果：
64.本发明通过获取样本台区域的整体图像信息，并在所述整体图像信息中提取出待检测样本的特征参数；基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端；基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描，从而获得待检测样本的反射光谱图像；对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值；根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值，通过该方式能够一次性的对水稻各个部位进行镉含量检测，有利于提高检测效率，检测过程简单，并且能够自动调节检测参数，同时还实现了无损检测的功能。
附图说明
65.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
66.图1示出了一种检测水稻中重金属镉的方法的整体方法流程图；
67.图2示出了一种检测水稻中重金属镉的方法的第一部分方法流程图；
68.图3示出了一种检测水稻中重金属镉的方法的第二部分方法流程图；
69.图4示出了一种检测水稻中重金属镉的方法的第三部分方法流程图；
70.图5示出了一种检测水稻中重金属镉的系统框图。
具体实施方式
71.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施
例及实施例中的特征可以相互组合。
72.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
73.图1示出了一种检测水稻中重金属镉的方法的整体方法流程图。
74.本发明第一方面公开了一种检测水稻中重金属镉的方法，包括如下步骤：
75.s102：获取样本台区域的整体图像信息，并在所述整体图像信息中提取出待检测样本的特征参数；
76.s104：基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端；
77.s106：基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描，从而获得待检测样本的反射光谱图像；
78.s108：对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值；
79.s110：根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值。
80.需要说明的是，在激发光源的照射下，生物物质发出的光谱包含了很多待测试物定性或定量的信息，而通过光谱成像系统可以用于测定物质中变化和各种成分的含量。光谱成像系统通常包括c型变焦镜头、ccd相机、高光谱成像仪、卤素光源、光纤导管、样本台、步进电机、线性滑动模块、光源强度控制器、控制系统、显示器等。
81.需要说明的是，通过ccd相机获取样本台区域的整体图像信息，且所述样本台区域的整体图像信息里面包含样本台背景图像以及检测样本图像。所述特征参数包括待检测样本的整体轮廓信息、根部区域位置信息、茎部区域位置信息、叶部区域位置信息、穗部区域位置信息等。所述预设感兴趣区域包括待检测样本的根部区域、茎部区域、叶部区域、穗部区域等。
82.图2示出了一种检测水稻中重金属镉的方法的第一部分方法流程图。
83.进一步的，本发明的一个较佳实施例中，在所述整体图像信息中提取出待检测样本的特征参数，具体包括如下步骤：
84.s202：通过大数据网络获取预设检测样本的图像信息，建立数据库，并将所述预设检测样本的图像信息导入所述数据库中，得到预设检测样本的图像信息数据库；
85.s204：将所述样本台区域的整体图像信息导入所述预设检测样本的图像信息数据库中进行识别，得到识别结果；
86.s206：根据所述识别结果判断所述样本台区域中是否存在预设检测样本；
87.s208：若存在，则基于整体图像信息提取出待检测样本的特征参数。
88.需要说明的是，所述预设检测样本的图像信息为各个生长时期的水稻的标准图像信息，通过机器学习算法、深度学习算法、卷积神经网络等对该预设检测样本的图像信息进行训练，从而得到预设检测样本的图像信息数据库。这样一来，将所述样本台区域的整体图像信息导入所述预设检测样本的图像信息数据库中进行识别，便能够判定放置在当前样本台上的待检测样本是否就是水稻样本。其识别过程是利用水稻各区域部分特有的纹理特
性、形状特征、在光谱下的反射率等方式来识别出样本台上的待检测样本。当识别出样本台上的待检测样本便是水稻时，则在所述整体图像信息提取出待检测水稻的特征参数。
89.需要说明的是，在水稻稻田中，通常会存在与水稻形状特征相似的杂草，并且这些杂草与水稻往往不易区分，因此在检测的过程中，为了避免工作人员把这些杂草当成是水稻样本进行检测，需要通过s202至s208判定步骤自动的判定样本台上待检测的样本是否就是水稻，若不是，则控制系统会生成警报信息，从而提醒工作人员将样本台上的杂草舍弃，从而避免出现把杂草当成检测样本检测的情况，进而把杂草的检测数据当成水稻的检查数据，进而影响检测数据的可靠性与准确度。
90.图3示出了一种检测水稻中重金属镉的方法的第二部分方法流程图。
91.进一步的，本发明的一个较佳实施例中，基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端，具体包括如下步骤：
92.s302：获取光谱成像系统扫描时的最大扫描区域范围，并以所述最大扫描区域范围为基准将所述待检测样本分割为若干个子扫描区域；
93.s304：分别确定出若干个所述子扫描区域的中心位置点，并根据所述中心位置点与子扫描区域生成一条或多条扫描路径信息，并得到所述一条或多条扫描路径的路径值；
94.s306：建立大小排列图表，将所述一条或多条扫描路径的路径值导入所述大小排列图表，并由所述大小排列图表中提取出最小路径值的扫描路径；
95.s308：将所述最小路径值的扫描路径作为最终的扫描路径信息传送至光谱成像系统的控制终端上。
96.需要说明的是，在通过光谱成像系统中卤素光源发射出的光对待检测样本进行扫描时，其扫描范围是有限的，因此我们可以确定出光谱成像系统在扫描检测时单次的最大扫描区域范围，从而利用最大扫描区域范围将待检测样本分割为若干个子扫描区域，并提取出各个子扫描区域的中心位置点，然后通过蚁群算法、遗传算法等算法规划出一条或多条扫描路径，并且计算出各条扫描路径的路径值，然后我们选取最短的路径值作为最终的扫描路径，从而最大程度的提高检测效率。
97.进一步的，本发明的一个较佳实施例中，在基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描之前的步骤，还包括对光谱成像系统进行调试的步骤：
98.获取光谱成像系统中ccd相机下表面与待检测样品上表面之间的实际距离值，并计算所述实际距离值与预设距离值之间的差值，得到距离差值；
99.判断所述距离差值是否位于预设阈值范围内；
100.若不位于，则生成第一修正信息，对所述ccd相机位置进行修正；
101.若位于，则控制样本台按照预设速度移动，并通过ccd相机获取各个子扫描区域的调试图像信息；
102.由所述调试图像信息中提取出各个子扫描区域中待检测样本的轮廓形状信息；
103.判断轮廓形状信息与预设轮廓是否相同；
104.若不同，则生成第二修正信息，对样本台预设移动速度进行修正。
105.需要说明的是，所述预设距离值0.5米，所述预设阈值范围为0.015至0.02米。所述
ccd相机下表面与待检测样品上表面之间的实际距离值通过卤素光源发射出激光的反射时间计算得到。若所述距离差值不位于预设阈值范围内，则需要对ccd相机的摄像高度进行修正，在确保ccd相机摄像机能够完全拍摄到各个子扫描区域图像的同时又能够确保图像的清晰度。
106.需要说明的是，在对样本台上的待检测样本进行正式扫描检测前，需要对样本台的移动速度进行校正，从而避免获得的样本图像出现畸变的情况。具体来说，当校正好ccd相机的位置后，控制样本台按照预设移动速度移动，其中，所述预设移动速度为4.58mm/s，并且通过ccd相机获取各个子扫描区域的调试图像信息，并由所述调试图像信息中提取出各个子扫描区域中待检测样本的轮廓形状信息，若样本台的移动速度过快，则提取出来的待检测样本的轮廓形状信息会出现叠影、形状边界模糊等畸变情况。因此为了确保后续在实际扫描检测的获得的图像质量，需要对样本台的移动速度进行校准，其校准公式如下：
[0107][0108]
其中，所述v代表修正后样本台的移动速度；v0代表样本台的预设移动速度；ε为样本台在移动方向待测样本的像素数目；γ代表垂直与样本台移动方向待测样本的像素数目。
[0109]
进一步的，本发明的一个较佳实施例中，对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值，具体包括如下步骤：
[0110]
对所述反射光谱图进行校正处理，从而得到预设感兴趣区域的高光谱反射率图像；
[0111]
根据所述光谱反射率图像获取得到预设感兴趣区域中目标区域与背景区域的反射率光谱曲线，并将两条反射率光谱曲线进行比较，从而得到目标区域与背景区域中差异最大的第一光谱波长与差异最小的第二光谱波长；
[0112]
对所述第一光谱波长与第二光谱波长进行比值处理，从而获的预设感兴趣区域中目标区域与背景区域的比值图像；
[0113]
对所述比值图形进行阈值分割，从而获得灰度化掩模图像，对所述灰度化掩模图像进行去阴影处理，从而获得二值化掩模图像；
[0114]
将所述二值化掩模图像应用于所述反射光谱图像中，得到掩模后的预设感兴趣区域的述反射光谱图像；
[0115]
基于所述掩模后的预设感兴趣区域的述反射光谱图像获得预设感兴趣区域的光谱反射率平均值。
[0116]
需要说明的是，当光谱成像系统按预设扫描路径对待检测样本的各个子扫描区域扫描完毕后，为了减少环境因素的影响并提高信噪比，需要对获得待检测样本的反射光谱图像进行校正处理，且公式如下所示：
[0117]
[0118]
其中，k代表以相对反射率表示的校正的反射光谱图像；k0代表原始采集的反射光谱图像；r表示通过完全关闭ccd相机的光圈记录暗图像；t代表由白色校正瓷砖获得的白色参考图像；p0表示ccd相机对待测样本的曝光时间；p
α
表示ccd相机对白色参考图像的曝光时间；p
γ
表示ccd相机对暗图像的曝光时间。
[0119]
需要说明的是，所述目标区域为水稻各个部位在光谱反射率图像中的位置区域，例如，水稻叶部区域在谱反射率图像中的位置区域；而背景区域则为水稻各个部位在光谱反射率图像中的背景板区域部分。水稻各个部位与背景板反射率光谱存在差异主要原因在于：背景板主要表现为黑色，其反射率光谱值普遍较低且曲线平稳，不存在显著的波峰波谷；而水稻表现为绿色或褐色，期内部色素所呈现区域的反射率光谱存在绿峰、红谷、红边等显著的波峰波谷，因此，在将两条反射率光谱曲线进行比较后，便能够得到目标区域与背景区域中差异最大的第一光谱波长与差异最小的第二光谱波长。此外，所述阈值分割中的阈值选定主要依据水稻各个部位区域和干扰背景板区域两者边界临界值，可以通过对比阈值分割后图像来确定最佳分割阈值。
[0120]
需要说明的是，采用数学形态学中膨胀、闭合、腐蚀处理操作，从而对所述灰度化掩模图像进行去阴影处理，并获得二值化掩模图像。
[0121]
图4示出了一种检测水稻中重金属镉的方法的第三部分方法流程图。
[0122]
进一步的，本发明的一个较佳实施例中，根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值，具体包括如下步骤：
[0123]
s402：通过大数据网络获取不同感兴趣区域在不同光谱反射率平均值所对应的标准重金属镉含量值，并建立预测数据库；
[0124]
s404：分别获取不同预设感兴趣区域的光谱反射率平均值；
[0125]
s406：将所述不同预设感兴趣区域的光谱反射率平均值导入所述预测数据库中，从而确定出不同预设感兴趣区域所对应的重金属镉的含量值。
[0126]
需要说明的是，由于不同重金属含量在水稻各部位的光谱反射平均值不同，因此，可以在大数据网络中提前获取水稻各部位在不同光谱反射率平均值所对应的标准重金属镉含量值，并建立预测数据库；然后再将获取得到水稻不同部位所对应的光谱反射率平均值导入预设数据库中，便能够通过大数据快速预测出水稻不同部位所对应的重金属镉的含量值。
[0127]
图5示出了一种检测水稻中重金属镉的系统框图。
[0128]
本发明另一方面公开了一种检测水稻中重金属镉的系统，所述系统包括储存器41与处理器62，所述储存器41包括检测水稻中重金属镉的方法程序，所述储存器62包括检测水稻中重金属镉的方法程序被处理器执行时，实现如下步骤：
[0129]
获取样本台区域的整体图像信息，并在所述整体图像信息中提取出待检测样本的特征参数；
[0130]
基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端；
[0131]
基于所述扫描路径信息控制光谱成像系统按预设扫描路径对待检测样本进行扫描，从而获得待检测样本的反射光谱图像；
[0132]
对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预
设感兴趣区域的光谱反射率平均值；
[0133]
根据所述光谱反射率平均值确定出各个预设感兴趣区域的重金属镉的含量值。
[0134]
需要说明的是，在激发光源的照射下，生物物质发出的光谱包含了很多待测试物定性或定量的信息，而通过光谱成像系统可以用于测定物质中变化和各种成分的含量。光谱成像系统通常包括c型变焦镜头、ccd相机、高光谱成像仪、卤素光源、光纤导管、样本台、步进电机、线性滑动模块、光源强度控制器、控制系统、显示器等。
[0135]
需要说明的是，通过ccd相机获取样本台区域的整体图像信息，且所述样本台区域的整体图像信息里面包含样本台背景图像以及检测样本图像。所述特征参数包括待检测样本的整体轮廓信息、根部区域位置信息、茎部区域位置信息、叶部区域位置信息、穗部区域位置信息等。所述预设感兴趣区域包括待检测样本的根部区域、茎部区域、叶部区域、穗部区域等。
[0136]
进一步的，本发明的一个较佳实施例中，在所述整体图像信息中提取出待检测样本的特征参数，具体包括如下步骤：
[0137]
通过大数据网络获取预设检测样本的图像信息，建立数据库，并将所述预设检测样本的图像信息导入所述数据库中，得到预设检测样本的图像信息数据库；
[0138]
将所述样本台区域的整体图像信息导入所述预设检测样本的图像信息数据库中进行识别，得到识别结果；
[0139]
根据所述识别结果判断所述样本台区域中是否存在预设检测样本；
[0140]
若存在，则基于整体图像信息提取出待检测样本的特征参数。
[0141]
需要说明的是，所述预设检测样本的图像信息为各个生长时期的水稻的标准图像信息，通过机器学习算法、深度学习算法、卷积神经网络等对该预设检测样本的图像信息进行训练，从而得到预设检测样本的图像信息数据库。这样一来，将所述样本台区域的整体图像信息导入所述预设检测样本的图像信息数据库中进行识别，便能够判定放置在当前样本台上的待检测样本是否就是水稻样本。其识别过程是利用水稻各区域部分特有的纹理特性、形状特征、在光谱下的反射率等方式来识别出样本台上的待检测样本。当识别出样本台上的待检测样本便是水稻时，则在所述整体图像信息提取出待检测水稻的特征参数。
[0142]
需要说明的是，在水稻稻田中，通常会存在与水稻形状特征相似的杂草，并且这些杂草与水稻往往不易区分，因此在检测的过程中，为了避免工作人员把这些杂草当成是水稻样本进行检测，需要通过s202至s208判定步骤自动的判定样本台上待检测的样本是否就是水稻，若不是，则控制系统会生成警报信息，从而提醒工作人员将样本台上的杂草舍弃，从而避免出现把杂草当成检测样本检测的情况，进而把杂草的检测数据当成水稻的检查数据，进而影响检测数据的可靠性与准确度。
[0143]
进一步的，本发明的一个较佳实施例中，基于所述特征参数生成光谱成像系统的扫描路径信息，并将所述扫描路径信息传送至光谱成像系统的控制终端，具体包括如下步骤：
[0144]
获取光谱成像系统扫描时的最大扫描区域范围，并以所述最大扫描区域范围为基准将所述待检测样本分割为若干个子扫描区域；
[0145]
分别确定出若干个所述子扫描区域的中心位置点，并根据所述中心位置点与子扫描区域生成一条或多条扫描路径信息，并得到所述一条或多条扫描路径的路径值；
[0146]
建立大小排列图表，将所述一条或多条扫描路径的路径值导入所述大小排列图表，并由所述大小排列图表中提取出最小路径值的扫描路径；
[0147]
将所述最小路径值的扫描路径作为最终的扫描路径信息传送至光谱成像系统的控制终端上。
[0148]
需要说明的是，在通过光谱成像系统中卤素光源发射出的光对待检测样本进行扫描时，其扫描范围是有限的，因此我们可以确定出光谱成像系统在扫描检测时单次的最大扫描区域范围，从而利用最大扫描区域范围将待检测样本分割为若干个子扫描区域，并提取出各个子扫描区域的中心位置点，然后通过蚁群算法、遗传算法等算法规划出一条或多条扫描路径，并且计算出各条扫描路径的路径值，然后我们选取最短的路径值作为最终的扫描路径，从而最大程度的提高检测效率。
[0149]
进一步的，本发明的一个较佳实施例中，对所述反射光谱图像进行校正处理，并在校正处理后的反射光谱图像中提取出预设感兴趣区域的光谱反射率平均值，具体包括如下步骤：
[0150]
对所述反射光谱图进行校正处理，从而得到预设感兴趣区域的高光谱反射率图像；
[0151]
根据所述光谱反射率图像获取得到预设感兴趣区域中目标区域与背景区域的反射率光谱曲线，并将两条反射率光谱曲线进行比较，从而得到目标区域与背景区域中差异最大的第一光谱波长与差异最小的第二光谱波长；
[0152]
对所述第一光谱波长与第二光谱波长进行比值处理，从而获的预设感兴趣区域中目标区域与背景区域的比值图像；
[0153]
对所述比值图形进行阈值分割，从而获得灰度化掩模图像，对所述灰度化掩模图像进行去阴影处理，从而获得二值化掩模图像；
[0154]
将所述二值化掩模图像应用于所述反射光谱图像中，得到掩模后的预设感兴趣区域的述反射光谱图像；
[0155]
基于所述掩模后的预设感兴趣区域的述反射光谱图像获得预设感兴趣区域的光谱反射率平均值。
[0156]
需要说明的是，当光谱成像系统按预设扫描路径对待检测样本的各个子扫描区域扫描完毕后，为了减少环境因素的影响并提高信噪比，需要对获得待检测样本的反射光谱图像进行校正处理，且公式如下所示：
[0157][0158]
其中，k代表以相对反射率表示的校正的反射光谱图像；k0代表原始采集的反射光谱图像；r表示通过完全关闭ccd相机的光圈记录暗图像；t代表由白色校正瓷砖获得的白色参考图像；p0表示ccd相机对待测样本的曝光时间；p
α
表示ccd相机对白色参考图像的曝光时间；p
γ
表示ccd相机对暗图像的曝光时间。
[0159]
需要说明的是，所述目标区域为水稻各个部位在光谱反射率图像中的位置区域，例如，水稻叶部区域在谱反射率图像中的位置区域；而背景区域则为水稻各个部位在光谱
反射率图像中的背景板区域部分。水稻各个部位与背景板反射率光谱存在差异主要原因在于：背景板主要表现为黑色，其反射率光谱值普遍较低且曲线平稳，不存在显著的波峰波谷；而水稻表现为绿色或褐色，期内部色素所呈现区域的反射率光谱存在绿峰、红谷、红边等显著的波峰波谷，因此，在将两条反射率光谱曲线进行比较后，便能够得到目标区域与背景区域中差异最大的第一光谱波长与差异最小的第二光谱波长。此外，所述阈值分割中的阈值选定主要依据水稻各个部位区域和干扰背景板区域两者边界临界值，可以通过对比阈值分割后图像来确定最佳分割阈值。
[0160]
需要说明的是，采用数学形态学中膨胀、闭合、腐蚀处理操作，从而对所述灰度化掩模图像进行去阴影处理，并获得二值化掩模图像。
[0161]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0162]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0163]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0164]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0165]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0166]
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。