專利名稱：作物品質區域預測系統及方法
技術領域：
本發明涉及作物品質檢測及預測技術領域，尤其涉及一種基于近紅外作物品質分 析網絡及遙感技術的作物品質區域預測系統及方法。
背景技術：
現代糧食加工企業為了確保原料合格和面粉品質，非常期望在小麥收獲季節開始 時快速了解大區域的小麥品質情況，然后根據這些數據制定合理的收購和加工計劃。為了 準確有效的了解區域小麥品質情況，存在小麥區域品質預測的方法，主要包括兩種一種 是基于大量樣點檢測結果和種植品種結構的分析，通過專家知識估計小麥區域品質分布； 另一種是結合GIS空間插值方法，通過對大量樣點的檢測結果進行空間插值(通常采用 Kriging插值方法)，從而得到小麥區域品質分布的預測圖。但兩種方法都需要收集和檢測 大量的小麥籽粒樣品，需要耗費大量人工和材料成本。
發明內容
(一)要解決的技術問題本發明要解決的技術問題是提供一種可快速、準確且更有效率地進行區域作物 品質預測的系統及方法。( 二 )技術方案為解決上述問題，本發明提供了一種作物品質區域預測系統，該系統包括中心主 機以及與所述中心子機相連的若干網絡子機，所述網絡子機，用于采集作物成熟期籽粒樣 品，記錄采樣點地理位置數據，用近紅外品質檢測儀對所述籽粒樣品進行品質檢測，在本地 記錄作物品質指標的檢測結果及其對應的地理位置數據，并將其同步至中心主機的數據中 心服務器；所述中心主機進一步包括遙感影像處理模塊，用于獲取作物生長期多波段遙 感影像，并對其進行預處理，計算影像植被指數；數據中心服務器，用于接收所述網絡子機 同步的數據，對所述檢測結果數據與所述影像植被指數數據進行相關性分析，建立數學模 型，并根據所述數學模型反演生成作物品質區域分布圖。其中，所述網絡子機進一步包括采集單元，用于采集作物成熟期籽粒樣品，并記 錄采樣點地理位置數據；近紅外品質檢測儀，用于對所述采集單元采集到的籽粒樣品進行 品質檢測，并在本地記錄作物品質指標的檢測結果及其對應的地理位置數據；數據同步單 元，用于將所述檢測結果及其對應的地理位置數據同步至中心主機的數據中心服務器。其中，該系統還包括與所述中心主機以及網絡子機均相連的網絡管理中心，所述 網絡管理中心，用于根據設定區域內設定量的作物樣品，利用人工神經網絡方法建立定標 模型文件，并向待預測區域內全部近紅外品質檢測儀發送所述定標模型文件，統一全部近 紅外品質檢測儀的定標模型。其中，所述數據中心服務器進一步包括模型構建單元，用于對所述檢測結果數據 與所述影像植被指數數據進行相關性分析，并建立數學模型；分析制圖單元，用于根據所述數學模型反演生成作物品質區域分布圖。其中，所述數據中心服務器還包括品質數據處理單元，用于對所述檢測結果及其 對應的地理位置數據進行完整性和匹配檢查，合并經完整性和匹配檢查后的檢測結果及其 對應的地理位置數據，生成屬性表包括采樣點編號、地理位置、以及檢測結果的ESRI Shape 格式文件。本發明還提供了一種基于上述作物品質區域預測系統的作物品質區域預測方法， 該方法包括步驟Si.獲取作物生長期多波段遙感影像，并對其進行預處理，計算選定的影像植被指 數；S2.采集作物成熟期籽粒樣品，記錄采樣點地理位置數據，用近紅外品質檢測儀對 所述籽粒樣品進行品質檢測，在本地記錄作物品質指標的檢測結果及其對應的地理位置數 據，并將其同步至數據中心服務器；S3.所述數據中心服務器對所述檢測結果數據與所述植被指數數據進行相關性分 析，建立數學模型，并根據所述數學模型反演生成作物品質區域分布圖。其中，在步驟Sl之前還包括步驟A.根據設定區域內設定量的作物樣品，利用人工神經網絡方法建立定標模型文 件；B.向待預測區域內全部近紅外品質檢測儀發送所述定標模型文件，統一全部近紅 外品質檢測儀的定標模型。其中，在步驟S2后步驟S3之前還包括步驟S2. 1對所述檢測結果及其對應的地理位置數據進行完整性和匹配檢查；S2. 2合并經完整性和匹配檢查后的檢測結果及其對應的地理位置數據，生成屬性 表包括采樣點編號、地理位置、以及檢測結果的ESRI Shape格式文件。其中，步驟S3進一步包括步驟S3. 1建立采樣點處作物籽粒品質指標與該位置的影像植被指數之間的相關系數 矩陣；S3. 2選取相關系數矩陣中最大值所在的行列對應的品質指標和影像植被指數，根 據選取的采樣點數據建立數學模型；S3. 3根據所述數學模型，計算影像覆蓋范圍內的作物品質指標，反演生成作物品 質區域分布圖。(三)有益效果本發明系統及方法在網絡環境下實現近紅外網絡技術、遙感技術和信息技術的綜 合集成，利用近紅外網絡技術實現區域上任意儀器檢測的品質結果一致性，可以快速檢測 大量樣品；利用遙感技術計算關鍵生育期的采樣點植被指數和區域影像植被指數，利用信 息技術將近紅外分析儀器檢測的品質結果數據同步到網絡管理中心服務器并實現自動的 格式轉換與入庫，并通過相關性分析和模型反演實現作物品質檢測數據的由點到面的預 測。
圖1為依照本發明一種實施方式的作物品質區域預測系統結構示意圖；圖2為依照本發明一種實施方式的作物品質區域預測方法流程圖。
具體實施例方式本發明提出的作物品質區域預測系統及方法，結合附圖及實施例詳細說明如下。 本實施方式以小麥品質區域預測為例，但不僅限于此。如圖1所示，依照本發明一種實施方式的作物品質區域預測系統，包括中心子機 以及與所述中心子機相連的若干網絡子機，其連接方式可為互聯網連接方式，其中各網絡子機，用于采集小麥成熟期的籽粒樣品，記錄采樣點地理位置數據，用近紅 外品質檢測儀對小麥籽粒樣品進行品質檢測，在本地記錄小麥品質指標的檢測結果及其對 應的地理位置數據，并將其同步至中心主機的數據中心服務器；中心主機進一步包括遙感影像處理模塊，用于獲取小麥生長期多波段遙感影像，并對其進行預處理，計 算影像植被指數；數據中心服務器，用于接收網絡子機同步的數據，將檢測結果數據與植被指數數 據進行相關性分析，建立數學模型，并根據數學模型反演生成小麥品質區域分布圖。另外，該系統還包括與中心主機以及網絡子機均相連的網絡管理中心，將分散各 地的網絡子機中的近紅外品質檢測儀連入互聯網，并通過網絡管理中心服務器向所有入網 儀器傳遞定標模型文件，使得所有入網儀器的定標模型一致，然后通過標準樣品進行儀器 標準化這樣就確保了網內儀器檢測結果的一致性。將近紅外品質檢測儀聯入互聯網，是指 為儀器在互聯網上分配固定IP地址，使得儀器可以被網絡服務器直接訪問到。該網絡管理中心，每年收集一定的樣品加入到定標樣品庫，根據樣品，利用人工神 經網絡方法建立定標模型文件，并向待預測區域內全部近紅外品質檢測儀發送該定標模型 文件，統一全部近紅外品質檢測儀的定標模型。本發明統一使用定標模型文件的必要性在于目前國內大部分儀器中所使用的定 標文件的兩個來源都存在一定的缺陷一種是由生產廠家所提供的定標模型，這種定標模 型通常是根據國外的小麥樣品所建立的，不能較好的代表國內小麥的品質情況；第二種是 由儀器使用單位自己收集樣品建立的定標模型，這種定標模型通常是根據儀器單位所在單 位的一個較小區域的小麥樣品建立的，不能代表大區域的小麥品質情況。網絡子機進一步包括采集單元，用于采集小麥成熟期的籽粒樣品，記錄采樣點地理位置數據；近紅外品質檢測儀，用于對采集單元采集到的籽粒樣品進行品質檢測，并在本地 記錄小麥品質指標的檢測結果及其對應的地理位置數據；數據同步單元，用于將檢測結果及其對應的地理位置數據同步至中心主機的數據 中心服務器。數據中心服務器進一步包括模型構建單元，用于將檢測結果數據與植被指數數據進行相關性分析，建立數學 模型；
分析制圖單元，用于根據數學模型反演生成小麥品質區域分布圖。數據中心服務器還包括品質數據處理單元，用于對檢測結果及其對應的地理位置數據進行完整性和匹配 檢查，合并經完整性和匹配檢查后的檢測結果及其對應的地理位置數據，生成屬性表包括 采樣點編號、地理位置、以及檢測結果的ESRI Shape格式文件。如圖2所示，依照本發明一種實施方式的基于上述作物品質區域預測系統的小麥 品質區域預測方法包括步驟Si.獲取小麥生長期(開花期或灌漿期)多波段遙感影像，并對其進行預處理，計 算選定的影像植被指數。本步驟中對遙感影像的預處理除常規預處理過程以外，還包括了從影像上提取小 麥種植區，并將小麥種植區保存為Shape格式的矢量文件。S2.在小麥成熟期，到初選的目標區域盡量均勻分布地現場采集小麥籽粒樣品，記 錄采樣點地理位置數據，用近紅外品質檢測儀對所述籽粒樣品進行品質檢測，在本地(即 檢測儀相連的PC機上)記錄作物品質指標的檢測結果及其對應的地理位置數據，并將其同 步至數據中心服務器。本步驟中現場采集小麥籽粒樣品的位置分布非常重要，需要各樣品具有很好的代 表性，一方面空間上分布要盡量均勻，另一方面也要選取兼顧品種的代表性，盡量保證各個 品種的樣點數量與種植面積成正比。本步驟中近紅外品質分析儀所檢測的小麥籽粒品質指標包括蛋白質含量、水分含 量和濕面筋含量，檢測結果記錄為CSV格式(逗號分隔文本文件格式，是一種通用文本交換 格式)；本步驟中所采用的數據同步軟件是基于文件變化監測的FTP同步工具，當該軟件 檢測到指定文件夾中的文件大小、名稱等發生變化時，就會自動啟動連接FTP服務器并上 傳數據功能，當然這些需要先在服務器端的FTP管理軟件中進行權限設置。S3.數據中心服務器將檢測結果數據與所述植被指數數據進行相關性分析，建立 數學模型，并根據所述數學模型反演生成作物品質區域分布圖。本步驟中生成的小麥品質區域分布圖是在遙感影像計算所得的植被指數圖像的 基礎上，結合該植被指數與品質指標之間的反演模型生成的，相比較與GIS空間插值方法， 具有更好的機理性和準確性。在步驟Sl之前還包括步驟A.在全國各小麥產區采集8000份樣品(這些樣品要具有廣泛的代表性，即需要包 含不同的品種、氣候、地理、溫度和濃度范圍的小麥籽粒樣品，同時還需要根據產量分配樣 品數量的權重)采用人工神經網絡方法建立定標模型文件，并且每年添加新的樣品，用以 更新定標模型；B.向待預測區域內全部近紅外品質檢測儀發送定標模型文件，同一所述全部近紅 外品質檢測儀的定標模型。在步驟S2后步驟S3之前還包括步驟S2. 1對檢測結果及其對應的地理位置數據進行完整性和匹配檢查；S2. 2合并經完整性和匹配檢查后的檢測結果及其對應的地理位置數據，生成屬性
7表包括采樣點編號、地理位置、以及檢測結果的ESRI Shape格式文件。步驟S2. 2將地理位置數據和檢測結果轉換成Shape格式數據文件的過程進一步 包括S2. 21將地理位置數據文件轉換成CSV文件，每一行數據包括樣點編號、經度值和 緯度值；S2. 22將樣品檢測結果文件轉換成CSV文件，每一行的數據包括樣點編號、蛋白質 含量、水分含量和濕面筋含量；S2. 23將兩個文件按照樣點對應關系合并成一個文件，并根據經緯度值轉換成 Shape格式數據文件。步驟S3進一步包括步驟S3. 1建立采樣點處作物籽粒品質指標與該位置的植被指數之間的相關系數矩 陣；S3. 2選取相關系數矩陣中最大值所在的行列對應的品質指標和植被指數，根據選 取的采樣點數據建立數學模型；S3. 3根據所述數學模型，計算影像覆蓋范圍內的作物品質指標，反演生成作物品 質區域分布圖。其中，數學模型包括一元線性模型、一元指數模型以及一元對數模型等，但不限于 此。本發明的系統及方法在滿足檢測精度要求的基礎上，實現了大區域大樣品量的快 速檢測，并將采樣點上的檢測結果推廣到面，從而實現了大面積作物品質的快速預測，使得 糧食收購和加工企業可以及時掌握作物品質的區域分布狀況，輔助其指定合理和有針對性 的收購方案。以上實施方式僅用于說明本發明，而并非對本發明的限制，有關技術領域的普通 技術人員，在不脫離本發明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有 等同的技術方案也屬于本發明的范疇，本發明的專利保護范圍應由權利要求限定。
權利要求
1.一種作物品質區域預測系統，其特征在于，該系統包括中心主機以及與所述中心子 機相連的若干網絡子機，所述網絡子機，用于采集作物成熟期籽粒樣品，記錄采樣點地理位置數據，用近紅外品 質檢測儀對所述籽粒樣品進行品質檢測，在本地記錄作物品質指標的檢測結果及其對應的 地理位置數據，并將其同步至中心主機的數據中心服務器；所述中心主機進一步包括遙感影像處理模塊，用于獲取作物生長期多波段遙感影像，并對其進行預處理，計算影 像植被指數；數據中心服務器，用于接收所述網絡子機同步的數據，對所述檢測結果數據與所述影 像植被指數數據進行相關性分析，建立數學模型，并根據所述數學模型反演生成作物品質 區域分布圖。
2.如權利要求1所述的作物品質區域預測系統，其特征在于，所述網絡子機進一步包括采集單元，用于采集作物成熟期籽粒樣品，并記錄采樣點地理位置數據；近紅外品質檢測儀，用于對所述采集單元采集到的籽粒樣品進行品質檢測，并在本地 記錄作物品質指標的檢測結果及其對應的地理位置數據；數據同步單元，用于將所述檢測結果及其對應的地理位置數據同步至中心主機的數據 中心服務器。
3.如權利要求2所述的作物品質區域預測系統，其特征在于，該系統還包括與所述中 心主機以及網絡子機均相連的網絡管理中心，所述網絡管理中心，用于根據設定區域內設 定量的作物樣品，利用人工神經網絡方法建立定標模型文件，并向待預測區域內全部近紅 外品質檢測儀發送所述定標模型文件，統一全部近紅外品質檢測儀的定標模型。
4.如權利要求1所述的作物品質區域預測系統，其特征在于，所述數據中心服務器進 一步包括模型構建單元，用于對所述檢測結果數據與所述影像植被指數數據進行相關性分析， 并建立數學模型；分析制圖單元，用于根據所述數學模型反演生成作物品質區域分布圖。
5.如權利要求4所述的作物品質區域預測系統，其特征在于，所述數據中心服務器還 包括品質數據處理單元，用于對所述檢測結果及其對應的地理位置數據進行完整性和匹配 檢查，合并經完整性和匹配檢查后的檢測結果及其對應的地理位置數據，生成屬性表包括 采樣點編號、地理位置、以及檢測結果的ESRI Shape格式文件。
6.一種基于權利要求1-5任一項所述的作物品質區域預測系統的作物品質區域預測 方法，其特征在于，該方法包括步驟s1.獲取作物生長期多波段遙感影像，并對其進行預處理，計算選定的影像植被指數；s2.采集作物成熟期籽粒樣品，記錄采樣點地理位置數據，用近紅外品質檢測儀對所述 籽粒樣品進行品質檢測，在本地記錄作物品質指標的檢測結果及其對應的地理位置數據， 并將其同步至數據中心服務器；s3.所述數據中心服務器對所述檢測結果數據與所述植被指數數據進行相關性分析，建立數學模型，并根據所述數學模型反演生成作物品質區域分布圖。
7.如權利要求6所述的作物品質區域預測方法，其特征在于，在步驟Sl之前還包括步驟A.根據設定區域內設定量的作物樣品，利用人工神經網絡方法建立定標模型文件；B.向待預測區域內全部近紅外品質檢測儀發送所述定標模型文件，統一全部近紅外品 質檢測儀的定標模型。
8.如權利要求6所述的作物品質區域預測方法，其特征在于，在步驟S2后步驟S3之前 還包括步驟S2. 1對所述檢測結果及其對應的地理位置數據進行完整性和匹配檢查；S2.2合并經完整性和匹配檢查后的檢測結果及其對應的地理位置數據，生成屬性表包 括采樣點編號、地理位置、以及檢測結果的ESRI Shape格式文件。
9.如權利要求6所述的作物品質區域預測方法，其特征在于，步驟S3進一步包括步驟S3.1建立采樣點處作物籽粒品質指標與該位置的影像植被指數之間的相關系數矩陣；S3. 2選取相關系數矩陣中最大值所在的行列對應的品質指標和影像植被指數，根據選 取的采樣點數據建立數學模型；S3. 3根據所述數學模型，計算影像覆蓋范圍內的作物品質指標，反演生成作物品質區 域分布圖。
全文摘要
本發明公開了一種作物品質區域預測系統及方法，該系統包括中心主機以及若干網絡子機，網絡子機，用于采集作物成熟期籽粒樣品，記錄采樣點地理位置數據，用近紅外品質檢測儀對籽粒樣品進行品質檢測，在本地記錄作物品質指標的檢測結果及其對應的地理位置數據，并將其同步至中心主機的數據中心服務器；中心主機進一步包括遙感影像處理模塊，用于獲取作物生長期多波段遙感影像，并對其進行預處理，計算影像植被指數；數據中心服務器，用于接收網絡子機同步的數據，對檢測結果數據與影像植被指數數據進行相關性分析，建立數學模型，并根據數學模型反演生成作物品質區域分布圖。本發明的系統及方法可快速、準確且更有效率地進行區域作物品質預測。
文檔編號G01N21/35GK102117447SQ20111004528
公開日2011年7月6日 申請日期2011年2月24日 優先權日2011年2月24日
發明者宋曉宇, 徐新剛, 朱大洲, 李存軍, 楊小冬, 楊浩, 楊貴軍, 趙柳, 顧曉鶴, 馬智宏, 黃文江 申請人:北京農業信息技術研究中心