基于智能移動(dòng)設(shè)備的低成本微型作物光譜反射率測(cè)量?jī)x設(shè)計(jì)與實(shí)現(xiàn)

吳金愷 劉乃森 曹靜 胡佳楠 潘嫄嫄 畢然 郭靖宇 王許淇 霍丹琪 張文宇

摘要： ?為實(shí)現(xiàn)作物生長(zhǎng)信息的低成本、實(shí)時(shí)、無(wú)損監(jiān)測(cè)，本研究基于光譜分析技術(shù)，選擇395 nm和800 nm 2個(gè)波段，根據(jù)光學(xué)系統(tǒng)原理和小型化需求，進(jìn)行基于智能移動(dòng)設(shè)備的低功耗微型作物光譜反射率測(cè)量?jī)x研發(fā)，包括封裝殼體、光學(xué)系統(tǒng)和硬件電路設(shè)計(jì)及控制系統(tǒng)App開(kāi)發(fā)；并使用積分球和ASD Fieldspec 4 Hi-Res地物光譜儀對(duì)測(cè)量?jī)x4個(gè)通道（395 nm和800 nm太陽(yáng)光接收通道和作物反射光接收通道）的測(cè)量值進(jìn)行標(biāo)定，并以反射率為20%、40%、60%、100%的4塊標(biāo)準(zhǔn)灰度板為測(cè)量對(duì)象檢驗(yàn)測(cè)量?jī)x的準(zhǔn)確性。結(jié)果表明：4個(gè)通道標(biāo)定方程的決定系數(shù)均在0.998 0以上，395 nm和800 nm反射率的均方根誤差分別為1.46%和1.07%，平均絕對(duì)誤差分別為1.17%和0.82%；4塊標(biāo)準(zhǔn)反射率灰度板在395 nm和800 nm 2個(gè)波段測(cè)得反射率的相對(duì)誤差分別小于2.0%和3.6%，變異系數(shù)分別在1.36%～4.17%和0.78%～2.36%。該測(cè)量?jī)x體積32 cm3，質(zhì)量?jī)H20 g，且具有低成本、高精度、易操作、可升級(jí)等特性，可實(shí)現(xiàn)基于智能移動(dòng)設(shè)備的作物生長(zhǎng)實(shí)時(shí)監(jiān)測(cè)。

關(guān)鍵詞： ?生長(zhǎng)監(jiān)測(cè)； 智能測(cè)量?jī)x； 微型化； 智能手機(jī)； 光譜反射率

中圖分類號(hào)： ?S126 ???文獻(xiàn)標(biāo)識(shí)碼： A ???文章編號(hào)： ?1000-4440（2024）03-0469-09

Design and implementation of low-cost miniature crop spectral reflectance meter based on smart mobile devices

WU Jin-kai1，2， LIU Nai-sen3， CAO Jing2， HU Jia-nan2， PAN Yuan-yuan2， BI Ran2， GUO Jing-yu3， WANG Xu-qi3， HUO Dan-qi3， ZHANG Wen-yu1，2，3

（1. School of Agricultural Engineering， Jiangsu University， Zhenjiang 212013， China; 2.Jiangsu Academy of Agricultural Sciences Wuxi Branch， Wuxi 214174， China; 3.Huaiyin Normal University/Collaborative Innovation Center of Regional Modern Agriculture ＆ Environmental Protection Co-constructed by the Province and Ministry/Jiangsu Key Laboratory for Eco-Agricultural Biotechnology around Hongze Lake/Jiangsu Engineering Research Center for Cyanophytes Forecast and Ecological Restoration of Hongze Lake， Huaian 223300， China）

Abstract： ?In order to achieve low-cost， real-time and non-destructive monitoring of crop growth information， based on spectral analysis technology， this study selected two bands， 395 nm and 800 nm， and carried out the research and development of a low-power miniature crop spectral reflectance measuring instrument based on a smart mobile device according to the principle of the optical system and miniaturisation requirements， including the package housing， optical system and hardware circuit design and control system App development. Measurements of the four channels （395 nm and 800 nm sunlight receiving channels and crop reflected light receiving channels） of the meter were calibrated using an integrating sphere and a spectrometer （ASD）， and the accuracy of the meter was checked using four grey scale panels with standard reflectance （20%， 40%， 60%， 100%）. The results showed that the coefficients of determination of the calibration equations of the four channels were above 0.998 0， the root mean square errors of 395 nm and 800 nm reflectance were 1.46% and 1.07%， and the average absolute errors were 1.17% and 0.82%， respectively. The relative errors of the reflectance measured by the four standard reflectance greyscale panels in the 395 nm and 800 nm bands were less than 2.0% and 3.6%， respectively， and the coefficients of variation were in the ranges of 1.36%-4.17% and 0.78%-2.36%， respectively. With a volume of 32 cm3 and a weight of only 20 g， the instrument is low-cost， high-precision， easy-to-operate， and scalable， which can realize real-time crop growth monitoring based on smart mobile devices.

Key words： ?growth monitoring; smart meter; miniaturization; smart phone; spectral reflectance

智慧農(nóng)業(yè)是以信息、知識(shí)、裝備為核心要素的現(xiàn)代農(nóng)業(yè)生產(chǎn)方式，是各國(guó)現(xiàn)代農(nóng)業(yè)科技競(jìng)爭(zhēng)的制高點(diǎn)、未來(lái)農(nóng)業(yè)發(fā)展的新業(yè)態(tài)[1]。而作物生長(zhǎng)監(jiān)測(cè)是進(jìn)一步開(kāi)展長(zhǎng)勢(shì)診斷和動(dòng)態(tài)調(diào)控的基礎(chǔ)和前提，是智慧農(nóng)業(yè)的關(guān)鍵核心技術(shù)[2]。因此，快速、精準(zhǔn)獲取作物生長(zhǎng)信息是栽培技術(shù)從傳統(tǒng)模式向智慧化轉(zhuǎn)變的第一步，可為作物生產(chǎn)的智慧化管理甚至品種選育提供數(shù)據(jù)支撐，也是智慧農(nóng)業(yè)的重點(diǎn)研究?jī)?nèi)容。

傳統(tǒng)的作物生長(zhǎng)信息獲取方法有外觀診斷法[3-5]、化學(xué)分析法等，但外觀診斷得到的作物長(zhǎng)勢(shì)信息往往受主觀影響較大，精確度較差；通過(guò)化學(xué)分析得到的作物長(zhǎng)勢(shì)信息準(zhǔn)確度高，但需要破壞性取樣，且耗時(shí)費(fèi)力，無(wú)法適應(yīng)智慧農(nóng)業(yè)對(duì)無(wú)損和高效的要求。20世紀(jì)70年代以來(lái)，隨著遙感技術(shù)的高速發(fā)展，通過(guò)多光譜或高光譜實(shí)時(shí)、無(wú)損、精確、快速獲取作物生長(zhǎng)信息已成為現(xiàn)代農(nóng)業(yè)的新特征，為作物長(zhǎng)勢(shì)診斷和產(chǎn)量預(yù)測(cè)提供了新途徑[6]。國(guó)內(nèi)外學(xué)者利用遙感技術(shù)，已在水稻[7-8]、小麥[9]、油菜[10-11]、玉米[12]、馬鈴薯[13]等作物的生長(zhǎng)[14-15]、營(yíng)養(yǎng)狀況[16]、品質(zhì)[17]和產(chǎn)量性狀[18-19]無(wú)損監(jiān)測(cè)方面開(kāi)展了大量工作。

上述研究中光譜信息的采集大多使用通用光譜監(jiān)測(cè)儀器得到。如美國(guó)ASD公司生產(chǎn)的FieldSpec系列便攜式地物光譜儀，其中FieldSpec FR spectroradiometer高光譜儀光譜范圍350～2 500 nm，光譜分辨率 1 nm，內(nèi)置偏移校正、漂移鎖定和漂移補(bǔ)償?shù)人惴?，可以獲取豐富的地物光譜信息，目前已在眾多研究中得到應(yīng)用[20-22]。美國(guó)Holland Scientific公司生產(chǎn)的Crop Circle ACS-470植物冠層光譜儀采用調(diào)制多色發(fā)光二極管（LED）陣列發(fā)射430～850 nm光波、3通道硅光電二極管陣列作為光電探測(cè)器，測(cè)量光譜范圍為320～1 100 nm，可以測(cè)量作物營(yíng)養(yǎng)狀況以及作物冠層和土壤的反射率信息[23-24]。日本TOPCON株式會(huì)社研制的Cropspec車(chē)載式作物生長(zhǎng)傳感器使用激光二極管脈沖進(jìn)行730～740 nm和800～810 nm作物冠層反射率的測(cè)量，進(jìn)而確定葉片葉綠素含量和氮含量[25]。利用上述儀器采集的地物光譜波段多、信息豐富，適合于科學(xué)研究，但因售價(jià)較為昂貴、體積龐大、操作繁瑣、維修不易、數(shù)據(jù)分析及二次開(kāi)發(fā)門(mén)檻較高，導(dǎo)致其難以在農(nóng)業(yè)生產(chǎn)中大面積推廣應(yīng)用。

為推動(dòng)基于光譜的農(nóng)作物生長(zhǎng)監(jiān)測(cè)技術(shù)的農(nóng)業(yè)應(yīng)用，各國(guó)學(xué)者或企業(yè)加強(qiáng)了小尺寸的農(nóng)作物生長(zhǎng)監(jiān)測(cè)專用傳感器或設(shè)備的研制。日本Minolta Camera公司生產(chǎn)的SPAD-502葉綠素儀通過(guò)測(cè)量650 nm波段（紅光）和940 nm波段（近紅外光）的葉片透射率，進(jìn)而得到作物葉片的葉綠素含量，實(shí)現(xiàn)作物營(yíng)養(yǎng)狀況診斷[26]。Sui等[27]采用鹵鎢燈發(fā)出恒定光源，使用濾光片得到特定波長(zhǎng)的紅光、綠光、藍(lán)光和近紅外光，研制出的植物營(yíng)養(yǎng)診斷儀可以實(shí)現(xiàn)作物植株含氮量監(jiān)測(cè)，準(zhǔn)確度達(dá)90%以上。Yao等[28]利用LED發(fā)射波長(zhǎng)為730 nm和810 nm的光波，研制出的主動(dòng)光源作物生長(zhǎng)診斷儀可以實(shí)現(xiàn)作物葉面積指數(shù)、葉干質(zhì)量、葉片含氮量和氮積累量等信息的監(jiān)測(cè)，但該診斷儀長(zhǎng)期工作時(shí)，光源將變得不穩(wěn)定，且易受環(huán)境光的影響，監(jiān)測(cè)結(jié)果的準(zhǔn)確性會(huì)下降。Moya等[29]基于太陽(yáng)光被動(dòng)光源設(shè)計(jì)的作物葉綠素監(jiān)測(cè)裝置可實(shí)現(xiàn)遠(yuǎn)距離的作物葉綠素含量無(wú)損監(jiān)測(cè)。Zhong等[30]以太陽(yáng)光為光源，通過(guò)采集550 nm、650 nm、760 nm和850 nm等波段光譜信息，設(shè)計(jì)的智能作物養(yǎng)分狀況監(jiān)測(cè)裝置可以有效預(yù)測(cè)冬小麥葉片葉綠素含量。Ni等[31]通過(guò)測(cè)量720 nm和810 nm處的作物冠層光譜反射率，研發(fā)的多光譜便攜式作物生長(zhǎng)診斷儀可以實(shí)現(xiàn)作物葉片含氮量、葉片氮積累量、葉面積指數(shù)、冠層生物量等生長(zhǎng)指標(biāo)的實(shí)時(shí)監(jiān)測(cè)。上述研發(fā)的監(jiān)測(cè)設(shè)備已初步實(shí)現(xiàn)作物生長(zhǎng)監(jiān)測(cè)設(shè)備的輕量化，但其價(jià)格仍較為昂貴，算法升級(jí)需要返廠，為其推廣應(yīng)用帶來(lái)了不便。

本研究旨在利用智能移動(dòng)設(shè)備高計(jì)算能力的特性，設(shè)計(jì)與之適配的低成本、小體積、高效率作物光譜反射率測(cè)量?jī)x，在田間應(yīng)用時(shí)能夠直接使用智能移動(dòng)設(shè)備控制測(cè)量?jī)x實(shí)時(shí)獲取作物反射光譜，通過(guò)估算得到作物長(zhǎng)勢(shì)信息，以期降低作物生長(zhǎng)監(jiān)測(cè)設(shè)備的成本，推動(dòng)作物生長(zhǎng)監(jiān)測(cè)設(shè)備的普及應(yīng)用和智慧農(nóng)業(yè)的發(fā)展。

1 基于智能移動(dòng)設(shè)備的低成本微型作物反射率測(cè)量?jī)x設(shè)計(jì)

測(cè)量?jī)x由光學(xué)系統(tǒng)、硬件電路、封裝殼體和軟件系統(tǒng)組成，外觀結(jié)構(gòu)如圖1。測(cè)量?jī)x通過(guò)Type-C接頭和智能移動(dòng)設(shè)備連接，為了盡量減小測(cè)量?jī)x的尺寸和質(zhì)量，測(cè)量?jī)x不含電池，完全由移動(dòng)設(shè)備供電。采集指令由移動(dòng)設(shè)備發(fā)出，移動(dòng)設(shè)備接收到測(cè)量?jī)x數(shù)據(jù)后進(jìn)行處理并呈現(xiàn)在App中。

1.1 封裝殼體設(shè)計(jì)

封裝殼體對(duì)測(cè)量?jī)x的光學(xué)元件、電路板（PCB）等起固定作用，同時(shí)還需保證光路的正常工作。本研究研發(fā)的測(cè)量?jī)x封裝殼體主要分為上部端蓋和下部端蓋兩部分。上部端蓋的光學(xué)窗口接收太陽(yáng)光，下部端蓋的光學(xué)窗口接收作物的反射光（圖2）。

上部端蓋的光學(xué)通道內(nèi)設(shè)有余弦校正器、濾光片、減光片的擱置臺(tái)階，側(cè)面設(shè)有Type-C接口的安裝孔以及PCB和下部端蓋的固定孔。PCB固定支柱采用合適的高度，以保證安裝PCB后，PCB上的光電探測(cè)器的上表面正好貼合濾光片（圖3）。

下部端蓋的光學(xué)窗口安裝濾光片，下部端蓋光學(xué)通道的孔徑與孔深決定了傳感器的視場(chǎng)角，同時(shí)保證安裝后探測(cè)孔剛好貼合光電探測(cè)器（圖3）。

1.2 光學(xué)系統(tǒng)設(shè)計(jì)

測(cè)量?jī)x的光學(xué)系統(tǒng)主要包括上部接收單元和下部接收單元。上部接收單元接收入射的太陽(yáng)光，下部接收單元接收作物的反射光。上、下部接收單元均具有395 nm和800 nm 2個(gè)光學(xué)通道，各光學(xué)通道使用特定的濾光片以獲取對(duì)應(yīng)波長(zhǎng)的光信號(hào)，濾光片的型號(hào)分別為BP395-25K和BP800-40K，半高寬為25 nm和40 nm。上部單元在濾光片上方還裝有余弦校正器，余弦校正器為乳白玻璃，其朝向太陽(yáng)的一面為粗糙面，可在一定程度上消減太陽(yáng)高度角對(duì)測(cè)量準(zhǔn)確性的影響。

光電探測(cè)器感光面的直徑為d，通過(guò)設(shè)置下部單元光學(xué)通道的長(zhǎng)度（h），可以確定傳感器的視場(chǎng)角（圖4），該測(cè)量?jī)x的視場(chǎng)角為30°。

本研究選擇TSL2561作為光電探測(cè)器，其對(duì)395 nm和800 nm 兩個(gè)波段均有較高的響應(yīng)度。TSL2561可以直接將光信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，降低了電路的復(fù)雜度，使電路更加穩(wěn)定，并且TSL2561的體積較小，符合微型傳感器電子元器件選型要求，提高了便攜性。TSL2561焊接在PCB上后，其四周覆蓋黑色硅膠墊，避免外部光線進(jìn)入光通路。

1.3 硬件電路設(shè)計(jì)

硬件電路用來(lái)處理光信號(hào)并與移動(dòng)設(shè)備通信。微控制單元（MCU）在接收移動(dòng)設(shè)備發(fā)送的指令后，開(kāi)始依次采集上部單元395 nm、上部單元800 nm、下部單元395 nm和下部單元800 nm通道的光照度數(shù)據(jù)并發(fā)送給移動(dòng)設(shè)備，由移動(dòng)設(shè)備進(jìn)行數(shù)據(jù)處理（圖5）。

MCU采用MSP430I2401 16位單片機(jī)（美國(guó)德州儀器公司產(chǎn)品），工作電壓為2.2～3.6 V，有激活、待機(jī)、關(guān)閉、關(guān)斷4種工作模式，可以讓器件在不到5 μs 的時(shí)間內(nèi)從低功耗模式喚醒至激活模式，含有用于通信的通用異步收發(fā)器（UART）、雙向兩線制串行通信接口I2C等外圍設(shè)備，以及16位RISC架構(gòu)和高達(dá)16.384 MHz的系統(tǒng)時(shí)鐘。

電源芯片采用可升降電壓的TPS63001，轉(zhuǎn)換效率達(dá)96%，輸入電壓范圍為1.8～5.5 V，輸出電壓3.3 V， 靜態(tài)電流小于50 μA。在低負(fù)載電流下，轉(zhuǎn)換器會(huì)進(jìn)入省電模式。

USB接口與傳感器信息轉(zhuǎn)換采用高速USB總線轉(zhuǎn)接芯片CH347（南京沁恒微電子股份有限公司產(chǎn)品）。該芯片提供USB總線轉(zhuǎn)異步串口、I2C同步串行接口、SPI同步串行接口等功能。在異步串口方式下，CH347提供2個(gè)高速串口，收發(fā)控制指令、數(shù)據(jù)流和調(diào)制解調(diào)器（Modem）聯(lián)絡(luò)信號(hào)。

光數(shù)字轉(zhuǎn)換器（Light-to-digital converters）選用美國(guó)TAOS公司推出的高速、低功耗、量程寬、可編程、配置靈活的光數(shù)字轉(zhuǎn)換芯片TSL2561。該芯片數(shù)字輸出符合標(biāo)準(zhǔn)的SMBus和I2C總線協(xié)議，用戶可自定義中斷上限和下限閾值。該芯片采用1.25 mm×1.75 mm超小封裝，超低功耗，工作電壓為2.7～3.3 V。

因?yàn)門(mén)SL2561最多只能配置3個(gè)地址，而本研究使用了4個(gè)TSL2561，因此采用了ADG774多路復(fù)用開(kāi)關(guān)，該器件具有低功耗、高開(kāi)關(guān)速度、低導(dǎo)通電阻等特性，采用3.3/5.0 V單電源供電。由MCU來(lái)控制多路復(fù)用開(kāi)關(guān)，當(dāng)采集太陽(yáng)面數(shù)據(jù)時(shí)S1A和S2A導(dǎo)通，采集作物面數(shù)據(jù)時(shí)S1B和S2B導(dǎo)通。導(dǎo)通的電阻曲線在整個(gè)模擬輸入范圍內(nèi)非常平坦，非常適合便攜式電池供電的儀器。

1.4 軟件設(shè)計(jì)

測(cè)量?jī)x嵌入式程序在IAR Embedded Workbench中采用C語(yǔ)言編寫(xiě)，主要有控制TSL2561采集光信號(hào)、模擬開(kāi)關(guān)通道切換、數(shù)據(jù)傳輸轉(zhuǎn)換等模塊。程序基于開(kāi)源的Contiki嵌入式操作系統(tǒng)開(kāi)發(fā)，具有小巧、高效和可擴(kuò)展等特點(diǎn)，可以運(yùn)行在多種嵌入式設(shè)備和硬件平臺(tái)上，并支持多種通信協(xié)議和網(wǎng)絡(luò)技術(shù)。

軟件系統(tǒng)主要有初始化、指令接受、數(shù)據(jù)采集和數(shù)據(jù)發(fā)送等進(jìn)程。系統(tǒng)啟動(dòng)時(shí)會(huì)自動(dòng)運(yùn)行初始化進(jìn)程（Initialization），在配置MCU通信參數(shù)以及其他參數(shù)的同時(shí)，令其他進(jìn)程均處于等待事件的狀態(tài)。指令接收進(jìn)程啟動(dòng)后，Contiki操作系統(tǒng)會(huì)將串口接收到的Type-C消息通過(guò)串行事件信息（Serial_line_event_message）進(jìn)行廣播。當(dāng)接收到串口的消息后，MCU對(duì)消息進(jìn)行解析，解析完成后，通過(guò)事件通知進(jìn)入相應(yīng)的進(jìn)程。若串口信息為采集指令，則啟動(dòng)數(shù)據(jù)采集進(jìn)程，光傳感器模塊依次采集上部單元395 nm，上部單元800 nm，下部單元395 nm和下部單元800 nm通道的數(shù)據(jù)。數(shù)據(jù)采集完成后，啟動(dòng)數(shù)據(jù)發(fā)送進(jìn)程，將采集到的數(shù)據(jù)通過(guò)Type-C接口發(fā)送到智能設(shè)備。智能設(shè)備接收到數(shù)據(jù)后進(jìn)行2個(gè)波段反射率、植被指數(shù)等的計(jì)算，計(jì)算完成后將數(shù)據(jù)呈現(xiàn)至手機(jī)App頁(yè)面。

手機(jī)App界面如圖6所示，測(cè)量?jī)x連接到手機(jī)后點(diǎn)擊“掃描設(shè)備”，若發(fā)現(xiàn)設(shè)備則自動(dòng)連接并提示連接成功。點(diǎn)擊“采集”按鈕傳感器開(kāi)始執(zhí)行采集數(shù)據(jù)指令，并接收傳感器采集的數(shù)據(jù)。App可記錄每個(gè)樣品區(qū)最多5個(gè)采樣點(diǎn)的數(shù)據(jù)并生成反射率柱狀圖以及每個(gè)采樣點(diǎn)在395 nm和800 nm處的反射率、歸一化植被指數(shù)、氮含量。點(diǎn)擊“保存數(shù)據(jù)”以保存當(dāng)前采集的數(shù)據(jù)，點(diǎn)擊“歷史數(shù)據(jù)”可以查看先前保存的數(shù)據(jù)。

2 測(cè)量?jī)x的標(biāo)定

利用積分球和光譜儀對(duì)測(cè)量?jī)x進(jìn)行標(biāo)定。標(biāo)定所用積分球由廣州景頤光電科技有限公司制造，積分球直徑200 mm，出光口直徑70 mm，出光口均勻性大于98%，穩(wěn)定性在1%以內(nèi)，波段范圍為250～2 500 nm。積分球出光口的光照度數(shù)據(jù)由ASD FieldSpec 4 Hi-Res地物光譜儀（美國(guó)ASD公司產(chǎn)品）測(cè)量。

試驗(yàn)在暗室中進(jìn)行，將測(cè)量?jī)x和ASD探測(cè)頭固定在積分球前的支架上，傳感器接收光平面與積分球出光口平面平行。積分球亮度的調(diào)節(jié)通過(guò)調(diào)節(jié)電源來(lái)實(shí)現(xiàn)，電源電壓最大可達(dá)12 V，實(shí)驗(yàn)時(shí)按0.5 V梯度降低電壓，同一電壓下采集傳感器4個(gè)通道測(cè)量的電壓值（mV）和光譜儀的遙感影像像元亮度值。

由于研究選用的濾光片中心波長(zhǎng)為395 nm和800 nm，半高寬為25 nm和40 nm，所以取ASD波長(zhǎng)為383～407 nm和780～820 nm的平均遙感影像像元亮度值（DN）作為測(cè)量?jī)x395 nm和800 nm處標(biāo)定值。利用ASD的DN對(duì)測(cè)量?jī)x各光學(xué)通道輸出的電壓進(jìn)行標(biāo)定，標(biāo)定結(jié)果如圖7、圖8所示。由圖可知，4個(gè)通道標(biāo)定系數(shù)存在一定差別，但ASD測(cè)得的DN和測(cè)量?jī)x輸出的電壓呈現(xiàn)較好的線性關(guān)系，各通道決定系數(shù)（R2）均大于0.998 0。標(biāo)定完成后即可計(jì)算395 nm和800 nm波段的反射率，方法如下：

R395= ydown395 yup395 ×100% （1）

R800= ydown800 yup800 ×100% （2）

式中yup395、ydown395分別表示395 nm光學(xué)通道太陽(yáng)面、作物面標(biāo)定后的DN，yup800、ydown800分別表示800 nm光學(xué)通道太陽(yáng)面、作物面標(biāo)定后的DN，R395、R800分別表示395 nm、800 nm光學(xué)通道的反射率。

3 測(cè)量?jī)x性能及參數(shù)

選擇晴朗無(wú)云天氣在10：50-13：50時(shí)段內(nèi)，分別以20%、40%、60%、100%的標(biāo)準(zhǔn)反射率灰度板為測(cè)量對(duì)象，每隔10 min測(cè)量1次并計(jì)算反射率，檢驗(yàn)測(cè)量?jī)x測(cè)量反射率的準(zhǔn)確性。使用1∶1圖、均方根誤差（RMSE）、平均絕對(duì)誤差（MAE）、相對(duì)誤差（RE）、變異系數(shù)（CV）檢驗(yàn)測(cè)量?jī)x的準(zhǔn)確性。測(cè)量?jī)x測(cè)得的反射率與灰度板的標(biāo)準(zhǔn)反射率很接近，395 nm和800 nm的RMSE分別為1.46%和1.07%，MAE分別為1.17%和0.82%（圖9）。以4個(gè)標(biāo)準(zhǔn)反射率灰度板為測(cè)量對(duì)象，395 nm和800 nm波段測(cè)量?jī)x測(cè)得的反射率相對(duì)誤差（RE）分別小于2.0%和3.6%（圖10），變異系數(shù)（CV）分別為1.36%～4.17%和0.78%～2.36%（圖11）。上述結(jié)果均表明測(cè)量?jī)x測(cè)得的反射率與實(shí)際值基本一致。

當(dāng)前，利用光譜手段進(jìn)行作物生長(zhǎng)監(jiān)測(cè)已成為智慧農(nóng)業(yè)的核心技術(shù)之一。本研究開(kāi)發(fā)的測(cè)量?jī)x與目前部分商品化的測(cè)量設(shè)備參數(shù)對(duì)比如表1所示。從表中可以看出，目前市場(chǎng)上主流的商品化光譜設(shè)備普遍價(jià)格昂貴、攜帶不便，限制了基于光譜的監(jiān)測(cè)技術(shù)的推廣應(yīng)用。

針對(duì)攜帶不便的問(wèn)題，本研究設(shè)計(jì)的測(cè)量?jī)x簡(jiǎn)化了電源系統(tǒng)，改為由智能手機(jī)直接供電，選用體積小于2.2 mm3的光數(shù)字轉(zhuǎn)換芯片TSL2561，簡(jiǎn)化電路結(jié)構(gòu)，測(cè)量?jī)x體積約為32 cm3，質(zhì)量?jī)H20 g，均遠(yuǎn)低于同類設(shè)備。如此小的體積和質(zhì)量使該測(cè)量?jī)x具有極高的便攜性，且該測(cè)量?jī)x機(jī)械結(jié)構(gòu)相對(duì)簡(jiǎn)單，不易損壞，適合在田間使用。

針對(duì)數(shù)據(jù)單一和升級(jí)流程繁瑣的問(wèn)題，本研究設(shè)計(jì)的測(cè)量?jī)x采集的數(shù)據(jù)均由手機(jī)App處理，依靠手機(jī)的強(qiáng)大計(jì)算能力，能夠顯示如反射率、植被指數(shù)、含氮量等豐富的信息，且后續(xù)可以通過(guò)更新App來(lái)優(yōu)化測(cè)量模型和算法，提高測(cè)量準(zhǔn)確率，擴(kuò)充功能。農(nóng)戶可通過(guò)手機(jī)App更便捷地了解作物生長(zhǎng)情況，從而為農(nóng)作物的精準(zhǔn)調(diào)控、降本增效提供依據(jù)。

本研究設(shè)計(jì)的測(cè)量?jī)x成本為千元級(jí)，批量生產(chǎn)后還可以進(jìn)一步降低成本，而市面上功能相近的作物生長(zhǎng)傳感器都在萬(wàn)元級(jí)以上，一般農(nóng)戶難以承擔(dān)，因此，本研究設(shè)計(jì)的測(cè)量?jī)x更具有推廣潛力和市場(chǎng)。

4 討 論

針對(duì)監(jiān)測(cè)作物類型和參數(shù)類型單一的問(wèn)題，本研究設(shè)計(jì)的測(cè)量?jī)x可針對(duì)不同作物類型和參數(shù)類型定制不同波段的濾光片，再配合App的更新嵌入不同的算法模型，從而實(shí)現(xiàn)多作物多參數(shù)的監(jiān)測(cè)。

本研究設(shè)計(jì)的作物生長(zhǎng)信息測(cè)量?jī)x仍存在一些改進(jìn)之處：1）視場(chǎng)角的大小決定了采集作物光譜信息區(qū)域的大小，若視場(chǎng)角過(guò)大則會(huì)采集到目標(biāo)作物外的光譜信息，導(dǎo)致測(cè)量不準(zhǔn)確。若視場(chǎng)角過(guò)小則會(huì)導(dǎo)致采集信息的一致性不高，所測(cè)區(qū)域的代表性差，采樣的誤差大。所以合適的視場(chǎng)角是準(zhǔn)確采集光譜信息的前提，本測(cè)量?jī)x目前視場(chǎng)角定為30°，控制適當(dāng)?shù)木嚯x可以精準(zhǔn)的測(cè)量小范圍的葉幕或單葉，但也一定程度上限制了測(cè)量范圍。2）濾光片的表面近似為光滑的鏡面，盡管濾光片的外側(cè)安裝有余弦校正器，但是當(dāng)太陽(yáng)的高度角變化時(shí)，濾光片的光線透過(guò)率仍有差異，與其他基于太陽(yáng)光譜的測(cè)量?jī)x一樣，本研究研發(fā)的測(cè)量?jī)x測(cè)量精度也受到太陽(yáng)高度角變化的影響，最佳工作時(shí)間限制在正午前后。

5 結(jié) 論

（1）本試驗(yàn)研制出了一種基于智能移動(dòng)設(shè)備的微型作物反射率測(cè)量?jī)x，該測(cè)量?jī)x通過(guò)Type-C接頭與智能移動(dòng)設(shè)備連接，由智能移動(dòng)設(shè)備直接供電，簡(jiǎn)化了電路結(jié)構(gòu)，減小了體積。測(cè)量?jī)x的視場(chǎng)角為30°，光譜波段為395 nm和800 nm，測(cè)量?jī)x接收到采集指令后，直接將采集到的數(shù)據(jù)發(fā)送到智能移動(dòng)設(shè)備，由App處理數(shù)據(jù)，并進(jìn)行顯示。

（2）使用積分球和ASD FieldSpec 4 Hi-Res地物光譜儀對(duì)測(cè)量?jī)x進(jìn)行了標(biāo)定，建立了測(cè)量?jī)x395 nm和800 nm不同光學(xué)通道的標(biāo)定方程，其決定系數(shù)（R2）均在0.998 0以上。

（3）以20%、40%、60%、100%的標(biāo)準(zhǔn)反射率灰度板為測(cè)量對(duì)象，測(cè)量?jī)x所測(cè)395 nm和800 nm反射率的RMSE分別為1.46%和1.07%，MAE分別為1.17%和0.82%，RE分別小于2.0%和3.6%，CV分別為1.36%～4.17%和0.78%～2.36%。

參考文獻(xiàn)：

[1] ?趙春江，李 瑾，馮 獻(xiàn). 面向2035年智慧農(nóng)業(yè)發(fā)展戰(zhàn)略研究[J]. 中國(guó)工程科學(xué)，2021，23（4）：1-9.

[2] 曹衛(wèi)星，姚 霞， 程 濤，等. 作物生長(zhǎng)監(jiān)測(cè)技術(shù)的研究與應(yīng)用[C]// 中國(guó)作物學(xué)會(huì). 2019年中國(guó)作物學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集. 北京：中國(guó)作物學(xué)會(huì)，2019.

[3] 周廣西. 《沈氏農(nóng)書(shū)》所載水稻施肥技術(shù)研究[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2006，6（1）：69-72.

[4] 陶勤南，方 萍，吳良?xì)g，等. 水稻氮素營(yíng)養(yǎng)的葉色診斷研究[J]. 土壤，1990（4）：190-193.

[5] 曹紹文. 作物葉色診斷施肥比色卡[J]. 今日科技，1989（7）：20.

[6] ZHU Y， YAO X， TIAN Y， et al. Analysis of common canopy vegetation indices for indicating leaf nitrogen accumulations in wheat and rice[J]. International Journal of Applied Earth Observation and Geoinformation，2008，10（1）：1-10.

[7] 趙春江，黃文江，王紀(jì)華，等. 不同品種、肥水條件下冬小麥光譜紅邊參數(shù)研究[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2002，35（8）：980-987.

[8] 周啟發(fā)，王人潮. 水稻氮素營(yíng)養(yǎng)水平與光譜特性的關(guān)系[J]. 浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1993，19（增刊1）：42-47.

[9] 姚 霞，朱 艷，田永超，等. 小麥葉層氮含量估測(cè)的最佳高光譜參數(shù)研究[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2009，42（8）：2716-2725.

[10] 曹正鄧淵，文雙雅，高志強(qiáng). 甘藍(lán)型油菜葉綠素?zé)晒鈪?shù)的高光譜預(yù)測(cè)[J]. 江蘇農(nóng)業(yè)科學(xué)，2023，51（18）：185-190.

[11] 張?bào)憷?，?飛，聶鵬程，等. 高光譜成像技術(shù)的油菜葉片氮含量及分布快速檢測(cè)[J]. 光譜學(xué)與光譜分析，2014，34（9）：2513-2518.

[12] DELLINGER A E， SCHMIDT J P， BEEGLE D B. Developing nitrogen fertilizer recommendations for corn using an active sensor[J]. Agronomy Journal，2008，100（6）：1546-1552.

[13] BORHAN M S， PANIGRAHI S， LORENZEN J H， et al. Multispectral and color imaging techniques for nitrate and chlorophyll determination of potato leaves in a controlled environment[J]. Transactions of the ASAE，2004，47（2）：599.

[14] 魏永康，楊天聰，臧少龍，等. 基于無(wú)人機(jī)多光譜影像特征融合的小麥倒伏監(jiān)測(cè)[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2023，56（9）：1670-1685.

[15] 王偉康，張嘉懿，汪 慧，等. 基于固定翼無(wú)人機(jī)多光譜影像的水稻長(zhǎng)勢(shì)關(guān)鍵指標(biāo)無(wú)損監(jiān)測(cè)[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2023，56（21）：4175-4191.

[16] 凌琪涵，孔發(fā)明，寧 強(qiáng)，等. 基于無(wú)人機(jī)多光譜影像的水稻氮營(yíng)養(yǎng)監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2023，39（13）：160-170.

[17] 姜友誼，劉博偉，張成健，等. 利用無(wú)人機(jī)多光譜影像的多品種玉米成熟度監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2023，39（20）：84-91.

[18] 黃 璐，包云軒，郭銘淇，等. 稻縱卷葉螟危害下水稻葉片光譜特征及產(chǎn)量估測(cè)[J]. 中國(guó)農(nóng)業(yè)氣象，2023，44（2）：154-164.

[19] 陳 悅，趙庚星，常春艷，等. 基于Sentinel-2多光譜影像的小麥-玉米輪作耕地糧食產(chǎn)量估測(cè)——以曹縣為例[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2023，34（12）：3347-3356.

[20] TANG Y L， WANG R C， HUANG J F. Relations between red edge characteristics and agronomic parameters of crops[J]. Pedosphere，2004，14（4）：467-474.

[21] PRADHAN S， BANDYOPADHYAY K K， SAHOO R N， et al. Predicting wheat grain and biomass yield using canopy reflectance of booting stage[J]. Journal of the Indian Society of Remote Sensing，2014，42（4）：711-718.

[22] SUN J， SHI S， GONG W， et al. Evaluation of hyperspectral LiDAR for monitoring rice leaf nitrogen by comparison with multispectral LiDAR and passive spectrometer[J]. Scientific Reports，2017，7（1）：40362.

[23] CHEN P， HABOUDANE D， TREMBLAY N， et al. New spectral indicator assessing the efficiency of crop nitrogen treatment in corn and wheat[J]. Remote Sensing of Environment，2010，114（9）：1987-1997.

[24] SARLIKIOTI V， MEINEN E， MARCELIS L F M. Crop reflectance as a tool for the online monitoring of LAI and PAR interception in two different greenhouse crops[J]. Biosystems Engineering，2011，108（2）：114-120.

[25] 段友青，高廣智. 精準(zhǔn)農(nóng)業(yè)農(nóng)機(jī)裝備智能化配置[J]. 現(xiàn)代化農(nóng)業(yè)，2015（3）：60-61.

[26] DEBAEKE P， ROUET P， JUSTES E. Relationship between the normalized spad index and the nitrogen nutrition index：application to durum wheat[J]. Journal of Plant Nutrition，2006，29（1）：75-92.

[27] SUI R， THOMASSON J A. Ground-based sensing system for cotton nitrogen status determination[J]. Transactions of the ASABE，2006，49（6）：1983-1991.

[28] YAO L， WU R， WU S， et al. Design and testing of an active light source apparatus for crop growth monitoring and diagnosis[J]. IEEE Access，2020，8：206474-206490.

[29] MOYA I， CAMENEN L， EVAIN S， et al. A new instrument for passive remote sensing：1. Measurements of sunlight-induced chlorophyll fluorescence[J]. Remote Sensing of Environment，2004，91（2）：186-197.

[30] ZHONG Z， LI M， SUN H， et al. Development and application of a smart apparatus for detecting crop nutrition[J]. Transactions of the Chinese Society for Agricultural Machinery，2013，44（S2）：215-219.

[31] NI J， ZHANG J， WU R， et al. Development of an apparatus for crop-growth monitoring and diagnosis[J]. Sensors，2018，18（9）：3129.

[32] LIU N， ZHANG W， LIU F， et al. Development of a crop spectral reflectance sensor[J]. Agronomy，2022，12（9）：2139.

（責(zé)任編輯：石春林）