Метод и средство контроля спектральных характеристик сельскохозяйственных растений на основе многоканальных приемников излучения тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Гурылева Анастасия Валентиновна

• Гурылева Анастасия Валентиновна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Гурылева Анастасия Валентиновна

Введение

Глава 1. Достижения и перспективы диагностики состояния растений с применением оптических методов

1.1. Современный подход к диагностике состояния растений с применением оптических методов

1.2. Регистрация спектральных характеристик растений на фоне различных стрессов

1.2.1. Информативные биопараметры для диагностики стрессовых состояний растений

1.2.2. Спектральные свойства биопараметров растений

1.2.3. Основные оптические методы для диагностики состояния растений

1.3. Интерпретация спектральных характеристик растений на фоне различных стрессов

1.3.1. Способы количественной оценки спектральных характеристик растений

1.3.2. Определение связи спектральных характеристик с биопараметром

1.3.3. Регистрация пространственного распределения биопараметров

1.4. Средства контроля спектральных характеристик сельскохозяйственных растений

1.4.1. Изображающая спектральная аппаратура

1.4.2. Многоканальная изображающая спектральная аппаратура

1.4.3. Обработка данных изображающей спектральной аппаратуры на основе многоканального ПИ

1.5. Выводы по первой главе

Глава 2. Оптический метод получения спектральных данных для диагностики состояния растений

2.1. Разработка оптического метода получения спектральных данных для диагностики состояния растений прибором на основе многоканального ПИ

2.1.1. Математическое представление съемки изображающим спектрометром на основе многоканального ПИ

2.1.2. Некорректная обратная задача реконструкции спектральной плотности яркости

2.1.3. Оптический метод получения спектральных данных прибором на основе многоканального ПИ с требуемым спектральным и пространственным разрешением

2.2. Методы решения некорректной задачи реконструкции спектральной плотности яркости

2.2.1. Метод квадратур

2.2.2. Метод Фурье-преобразования

2.2.3. Метод разложения по вейвлет-базису

2.2.4. Итерационные методы

2.2.5. Метод регуляризации Тихонова

2.3. Разработка методики определения основных параметров спектрального элемента гиперспектрометра

2.3.1. Выбор количества и вида функций пропускания оптических фильтров

2.3.2. Определение динамических и энергетических характеристик гиперспектрометра

2.3.3. Оценка реконструкции спектральной плотности яркости

2.3.4. Методика определения основных параметров спектрального элемента гиперспектрометра

2.4. Выводы по второй главе

Глава 3. Численное моделирование метода получения спектральных данных для диагностики состояния растений гиперспектрометром на основе многоканального ПИ

3.1. Методика проведения численного моделирования метода получения спектральных данных гиперспектрометром на основе многоканального ПИ

3.1.1. Определение процедуры численного моделирования

3.1.2. Выбор объектов численного моделирования

3.1.3. Определение основных параметров спектрального элемента гиперспектрометра

3.1.4. Определение учитываемой в численном моделировании величины отношения сигнал-шум

3.1.5. Критерии оценки результатов численного моделирования

3.2. Результаты численного моделирования метода получения спектральных данных для диагностики состояния растений гиперспектрометром на основе многоканального ПИ

3.2.1. Результаты численного моделирования метода получения спектральных данных гиперспектрометром основе восьмиканального ПИ

3.2.2. Результаты численного моделирования метода получения спектральных данных гиперспектрометром на основе трехканального ПИ

3.3. Выводы по третьей главе

Глава 4. Экспериментальное исследование метода получения спектральных данных для диагностики состояния растений гиперспектрометром на основе многоканального ПИ

4.1. Экспериментальное исследование метода получения

спектральных данных на неорганических объектах

4.2. Экспериментальное исследование метода получения спектральных данных на органических объектах

4.3. Выводы по четвертой главе

Общие выводы и заключение

Список литературы

Приложение

Список сокращений и условных обозначений

ПИ - приемник излучения ГС - гиперспектрометр

МКПИ - многоканальный приемник излучения (ПИ)

ИК - инфракрасный

ОСШ - отношение сигнал-шум

RGB - цветовая модель светофильтров ПИ, состоящая из массива красных,

зеленых и синих оптических фильтров

ТГц - терагерцовый

ВИ - вегетационный индекс

СПЯ - спектральная плотность яркости

МНК - метод наименьших квадратов

СКО - среднеквадратическое отклонение

ОП - относительная погрешность

В1 - вариант ГС на основе восьмиканального ПИ

В2 - вариант ГС на основе трехканального ПИ

3D - трехмерный

ОИ - область исследования

Введение диссертации (часть автореферата) на тему «Метод и средство контроля спектральных характеристик сельскохозяйственных растений на основе многоканальных приемников излучения»

ВВЕДЕНИЕ

Актуальность темы исследования. Диагностика состояния растения на всех этапах его развития используется как для расширения фундаментальных знаний об особенностях физиологии растений, так и в практическом земледелии при формировании оптимальных мер возделывания, обеспечивающих наибольшую урожайность при минимальных затратах. Наиболее востребованы в обоих направлениях методы, позволяющие проводить анализ одновременно бесконтактно, надежно, по широкому спектру параметров и с высокой производительностью. Оптические методы оказываются единственными, способными обеспечить перечисленные характеристики, в связи с чем представляют интерес разработка и совершенствование оптических методов и средств контроля спектральных характеристик сельскохозяйственных растений, служащих для диагностики состояния растений.

Известен ряд научных трудов, посвященных вопросам разработки оптических методов для диагностики состояния растений. Данной проблемой занимались отечественные и зарубежные учёные: А. А. Гительсон, М. Н. Мерзляк, А. В. Будаговский, А. Е. Соловченко, М. Л. Белов, И. Ю. Савин, А.-К. Махлейн, Ю. Иноуэ, Г. А. Блэкберн, О. Кира и др.

Состояние растений в значительной степени определяется фазой их развития и влиянием стрессовых факторов, таких как недостаток или избыток элементов питания, нарушения светового, температурного и водного режима, наличие заболеваний и т.д. Целью оптических методов контроля спектральных характеристик растений является получение таких данных, по которым современными методами интерпретации спектрального отклика растительности возможно определение состояния растений наиболее точно и с высокой производительностью. Методы интерпретации спектральных данных, такие как метод вегетационных индексов или корреляционный метод, направленные на количественную оценку степени воздействия на растения стрессов различного

характера, требуют определения характеристики с малым шагом спектральных отсчетов - порядка 1-2 нм. Кроме того, для идентификации и дифференциации различных стрессовых состояний растения необходимо обеспечить измерение не только интегральной спектральной характеристики некоторой части растения, но и ее пространственного распределения, т.е. использовать изображающие гиперспектрометры (ГС). Наиболее высокие требования к пространственному разрешению предъявляются к данным, необходимым для диагностики состояния растений, подверженных стрессам, вызванными болезнями. С учетом таких требований пространственное разрешение измерительного оборудования должно составлять от 5 мм и более.

Большинство существующих методов и средств получения спектральных характеристик для диагностики состояния растений не гарантируют одновременно высокое спектральное и пространственное разрешение, и кроме того существуют значительные ограничения на условия применения, снижающие их производительность в практическом земледелии. Наиболее перспективными средствами измерения для оценки состояния растений на сегодняшний день являются изображающие спектрометры, основанные на многоканальных приемниках излучения (МКПИ), однако спектральная разрешающая способность последних остается недостаточно высокой.

Принимая во внимание значительные требования к диапазону диагностируемых параметров в современном земледелии, для определения состояния растений необходимо применять методы регистрации спектральных характеристик растительности с высокой спектральной и пространственной разрешающей способностью, а также производительностью.

Таким образом тема диссертации, посвященная созданию оптического метода получения спектральных данных с высоким пространственным и спектральным разрешением для диагностики широкого диапазона состояний сельскохозяйственных растений, является актуальной.

Целью диссертационной работы является создание оптического метода получения спектральных данных прибором на основе МКПИ с требуемым для

диагностики состояния сельскохозяйственных растений пространственным и спектральным разрешением.

Для достижения поставленной цели в диссертационной работе решены следующие задачи:

- проведен анализ современных оптических методов для диагностики сельскохозяйственных растений, принятых в практическом земледелии;

- определены требования к средствам контроля спектральных характеристик сельскохозяйственных растений, в том числе к их пространственному и спектральному разрешению;

- разработан оптический метод обеспечения требуемых значений спектрального и пространственного разрешения приборов, построенных на основе МКПИ;

- разработана методика определения основных параметров спектрального элемента ГС на базе МКПИ, реализующего разработанный метод;

- проведены численные и натурные эксперименты для проверки основных теоретических положений диссертации.

Научная новизна диссертации заключается в следующем:

- разработан оригинальный метод получения спектральных данных прибором на основе МКПИ, отличающийся введением в их оптическую схему дополнительных оптических фильтров и проведением последующей математической обработки, построенной на решении обратной задачи. Метод обеспечивает получение спектральной характеристики отражения растительности в видимой и ближней инфракрасной (ИК) области с шагом спектральных отсчетов 1 нм прибором как на основе восьмиканального ПИ, так и на основе RGB матрицы, что увеличивает число спектральных отсчетов более чем в 35 раз;

- определены методы решения обратной задачи, поставленной в рамках разработанного метода, обеспечивающие наименьшую относительную

погрешность при различных значениях отношения сигнал-шум (ОСШ). В частности, ГС на основе восьмиканального ПИ при использовании метода разложения по вейвлет-базису Хаара и ГС на основе RGB матрицы с применением метода регуляризации Тихонова обеспечивают относительную погрешность не более 15% при ОСШ не менее 10;

- разработана новая методика определения основных параметров спектрального элемента ГС на базе МКПИ, включающая определение типа многоканального ПИ, количества и вида функций пропускания дополнительных оптических фильтров, параметров съемки и метода обработки данных, исходя из требований к производительности, а также к пространственному и спектральному разрешению;

- предложена математическая модель метода получения спектральных характеристик прибором на основе МКПИ, обеспечивающая расхождение расчетных и экспериментальных данных в пределах 15 %.

Практическая значимость диссертационной работы заключается в том, что гиперспектральная аппаратура, реализующая разработанный метод получения спектральных данных прибором на основе МКПИ, позволит снизить трудоемкость и повысить эффективность сельскохозяйственных мероприятий возделывания и защиты растений, а также значительно расширит возможности применения стандартных RGB матриц в области спектральных измерений.

Внедрение результатов работы. Разработанный метод получения спектральных данных прибором на основе МКПИ был использован для определения состояния сельскохозяйственных культур перед внесением удобрений и пестицидов в крестьянском (фермерском) хозяйстве «Агроэкология». Внедрение и использование результатов работы подтверждено соответствующим актом.

Методология и методы исследования. В диссертации были использованы: теория физиологии растений, теория оптических систем, методы геометрической оптики, методы исследования функций, численные методы

решения систем линейных алгебраических уравнений, методы решения некорректных обратных задач.

Положения, выносимые на защиту:

- разработанный метод регистрации спектральных данных прибором на основе МКПИ позволяет получать спектральную характеристику отражения растительности с шагом спектральных отсчетов 1 нм в диапазоне не менее 300 нм в пределах видимой и ближней ИК области прибором как на основе восьмиканального ПИ, так и на основе RGB матрицы;

- разработанная методика определения основных параметров спектрального элемента ГС на базе МКПИ обеспечивает получение спектральной характеристики отражения растительности в рабочей области спектра с относительной погрешностью не более 15% при ОСШ не менее 10.

Достоверность результатов работы подтверждается использованием известных и подтвержденных практикой теорий, математических моделей и методов, а также согласованностью результатов численного моделирования и экспериментальных исследований.

Апробация результатов. Материалы диссертационной работы докладывались на Международной научно-практической конференции «Оптико-электронные комплексы наземного и космического базирования» (Лыткарино, 2019 г.), X и XI Международной научно-практической конференции «Инновации в сельском хозяйстве» (Москва, 2018, 2019 гг.), Всероссийской студенческой конференции «Студенческая весна-2019» (Москва, 2019 г.), XIII Международной конференции «Прикладная оптика-2018» (Санкт-Петербург, 2018 г.).

Публикации. По материалам диссертации опубликовано 11 печатных работ, в том числе 1 патент РФ [1], 4 статьи в изданиях, включенных в перечень ВАК РФ и/или международные базы цитирования Web of Science и Scopus [25], 6 статей в других изданиях и тезисов докладов [6-11].

Личный вклад автора. Содержание диссертации и основные положения, выносимые на защиту, отражают персональный вклад автора в опубликованные работы. Во всех работах, выполненных в соавторстве, соискатель непосредственно участвовал в постановке задач, разработке методов их решения, проведении, обработке и анализе результатов экспериментальных исследований.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографии и приложения. Объем диссертации составляет 159 страниц, включая 49 рисунков и 25 таблиц. Библиография содержит 155 наименований на 19 страницах.

Во введении обоснована актуальность диссертационной работы, сформулирована цель и аргументирована научная новизна исследований, описана практическая значимость полученных результатов, представлены выносимые на защиту научные положения.

В первой главе проведен обзор литературных источников в области методов и средств регистрации и интерпретации спектральных характеристик растений, на основе которого определены требования, предъявляемые в агропромышленности к диагностическому оборудованию, указаны ограничения последнего и обозначены направления их устранения.

Во второй главе описан оригинальный метод получения спектральных данных прибором на основе МКПИ с требуемым для диагностики состояния растений пространственным и спектральным разрешением. Приведена разработанная методика определения основных параметров спектрального элемента ГС на базе МКПИ, реализующего предложенный метод.

В третьей главе изложены результаты моделирования метода получения спектральных данных прибором на основе МКПИ с точки зрения устойчивости к погрешностям в сигнале ПИ и повторяемости получаемых данных методами численного моделирования.

В четвертой главе описаны результаты экспериментальных исследований метода получения спектральных данных прибором на основе МКПИ на неорганических и органических объектах.

В заключении сформулированы основные результаты, полученные в диссертационной работе.

ГЛАВА 1. ДОСТИЖЕНИЯ И ПЕРСПЕКТИВЫ ДИАГНОСТИКИ

СОСТОЯНИЯ РАСТЕНИЙ С ПРИМЕНЕНИЕМ ОПТИЧЕСКИХ

МЕТОДОВ

В главе рассмотрены основные принципы диагностики состояния растений оптическими методами. Приведены современные представления о взаимодействии тканей листа с оптическим излучением, востребованные методы сбора спектральных данных растений и их интерпретации, на основании которых определены требования к разрабатываемым оптическим методам и аппаратуре, отражающие их ключевые параметры: рабочий диапазон длин волн, спектральное и пространственное разрешение, производительность, режим съемки, способы ее дальнейшей обработки и представления пользователю и пр. С учетом достижений современного приборостроения определены тип фотометрической аппаратуры и ключевые элементы оптической схемы, указаны ограничения, не позволяющие удовлетворить обозначенные требования и показаны направления их устранения.

1.1. Современный подход к диагностике состояния растений с применением оптических методов

Состояние растения характеризуется фазой развития, наличием стрессовых факторов и их характером [12]. Среди факторов, вызывающих стрессовые состояния растений, выделяют биотические, такие как вирусы, бактерии, грибки, насекомые и др., и абиотические, такие как недостаток или избыток воды и питательных веществ, экстремальные температурный и световой режимы [13, 14]. Стрессовые факторы или их сочетания оказывают влияние на биопараметры растения [15], к которым относят концентрацию в различных частях растения основных пигментов, воды, клетчатки, содержание в почве элементов питания, количество биомассы и пр. [16]. Традиционные методы диагностики состояния растений основываются на косвенном

определении наличия стрессов по измерению текущих значений биопараметров растений или их комбинаций.

Открытие связи между значениями биопараметров и спектральными характеристиками растений положило начало развитию оптических методов, выгодно отличающихся от традиционных неразрушающим характером. Однако, до конца прошлого столетия считалось, что оптические методы определения состояния растений способны обнаружить лишь экстремальные проявления стрессов [17, 18]. Совершенствование спектральных приборов и исследование механизмов взаимодействия тканей растения с оптическим излучением позволили расширить область применения оптических методов и соответствующей аппаратуры до использования методов в технологиях точного земледелия, являющихся наиболее современным направлением систем возделывания [19]. На сегодняшний день в ряде зарубежных и отечественных работ продемонстрированы широкие возможности оптических методов диагностики как неразрушающего, производительного и точного метода для оценки состояния растения, применяемого в технологиях точного земледелия [20-22].

В результате исследований сформировался подход к диагностике биопараметров, и как следствие состояния растений, включающий в себя формирование спектральных откликов растений на оптическое излучение и интерпретацию данных [23, 24]. В качестве спектрального отклика используют спектральные характеристики отражения, поглощения, интенсивность флуоресценции, изменение степени когерентности и т.д. [25, 26]. Первым этапом интерпретации данных является анализ полученного отклика и определение количественных параметров, характеризующих последний. Далее на основании соотношений, связывающих количественные параметры с биопараметрами, производится определение текущего значения биопараметров растения [27, 28].

Наиболее современный подход к диагностике предлагает осуществлять регистрацию распределения биопараметров по пространству в масштабах

листа, растения или поля [29, 30]. На основании такого распределения производится дальнейшая интерпретация спектральных данных, связанная с кластеризацией, идентификацией и дифференциацией различных стрессов и определение степени поражения ими.

При создании фотометрических методов и аппаратуры для диагностики состояния растений важно понимать как механизмы формирования отклика растения на электромагнитное излучение, так и особенности последующих этапов интерпретации данных, формирующие требования к выходным данным аппаратуры, и кроме того, современное состояние развития приборной базы для диагностики состояния растений.

1.2. Регистрация спектральных характеристик растений на фоне различных стрессов

Способы стимуляции и регистрации спектрального отклика растений в значительной мере определяют методы и аппаратуру для диагностики их состояния. При выборе наиболее рационального метода для многопараметрической диагностики следует определить биопараметры, которые являются наиболее информативными для диагностики стресса, и какими спектральными свойствами эти параметры обладают. Кроме того, конкретизация спектральных свойств информативных биопараметров позволит определить требования к спектральному диапазону и разрешению спектральной аппаратуры.

Основной вклад в изучение спектрального отклика растений на фоне различных стрессов внесли А. А. Гительсон, М. Н. Мерзляк, А. В. Будаговский, А. Е. Соловченко, М. Л. Белов, И.Ю. Савин, A.-K. Махлейн, Ю. Иноуэ, Г. А. Блэкберн, O. Кира и др.

1.2.1. Информативные биопараметры для диагностики стрессовых состояний растений

В работах [15, 31] показано, что на спектральные свойства растения влияют биофизические и биохимические параметры. К биохимическим параметрам согласно [15, 16] относят: концентрацию в различных частях растения основных пигментов (хлорофилла, каротиноидов, антоцианов), воды, лигнина, клетчатки, пектина, белков; содержание элементов питания (азота, фосфора и калия) и др. Биофизическими параметрами считаются [32, 33] тип и состояние поверхностного слоя, количество биомассы, сомкнутость покрова, площадь листа и пр.

В случае воздействия абиотических стрессов наибольшему изменению подвергается пигментный состав растений. Среди основных пигментов наибольшая доля приходится на хлорофилл. Известно, что концентрация хлорофилла используется для оценки фотосинтетической активности растения, и как следствие, планируемой урожайности [34]. Кроме того, показано, что анализ содержания хлорофилла позволяет выявлять нарушения в световом и водном режиме [27]. В работах [35, 36] продемонстрировано, что измерение концентрации листового хлорофилла позволяет проводить точную оценку элементного питания растения.

Каротиноиды относятся ко второй группе основных пигментов. Согласно [37] высокое содержание каротиноидов на фоне значительного снижения хлорофилла характерно для фазы старения листьев и созревания плодов, ксантофиллы, входящие в состав каротиноидов, характеризуют эффективность использования солнечного излучения в процессе фотосинтеза.

Увеличение концентрации антоцианов, относящихся к третьей группе основных пигментов, может быть реакцией на критически высокую интенсивность солнечного излучения и ультрафиолетовой радиации, экстремальные температурные режимы, засуху, поранения листа [38, 39]. Для определенных видов растений или определенных этапов развития антоцианы

могут быть доминирующим пигментом, для большинства растений их содержание увеличено для молодых и стареющих листьев.

Усвояемость питательных веществ и необходимость во внесении удобрений определяется по дефициту или избытку таких биохимических параметров, как содержание фосфора, калия, азота и др. [34].

Установлено, что по биофизическим параметрам определяется фотосинтетическая активность растения, усвояемость питательных веществ и осадков, принадлежность растения к определенному виду и др. [24, 40].

Биотические стрессы характеризуются широким разнообразием и различными проявлениями, однако, как и абиотические, в первую очередь они влияют на концентрацию основных пигментов, влаги и структуру листа. Некоторыми авторами исследовались, характерные изменения соотношений хлорофилла, каротиноидов и антоцианов, свидетельствующие о поражении растений насекомыми [37, 41], а также влияние болезней растений на внутренние структуры листа [26]. В ряде работ демонстрируется возможность диагностики грибковых, вирусных и бактериологических болезней растений по изменению пигментного состава листа [42-44].

В работе [29] показано, что знание распределения биохимических параметров по поверхности листа позволяет проводить обнаружение и идентификацию различных болезней, их дифференциацию и количественное определение тяжести повреждений.

1.2.2. Спектральные свойства биопараметров растений

Основным подходом к реализации недеструктивных оптических методов диагностики является рассмотрение взаимодействия тканей растения с падающим на них излучением и последующая интерпретация его результатов. Для большинства растений характерно высокое поглощение в синей и красной области спектра, малое отражение в области зеленых длин волн, резкое увеличение отражательной способности при переходе в ближнюю инфракрасную (ИК) область [45], высокая отражательная способность вплоть

до 2-3 мкм. Зона перехода из красной области в ближний ИК диапазон спектра называется красным краем (Рисунок 1.1) и расположена в области 700-725 нм. В работах [31, 47] показано, что наибольший вклад в механизмы взаимодействия с излучением вносят основные пигменты.

Рисунок 1.1. Типовая характеристика спектральной отражательной

Рядом авторов выявлены характерные полосы поглощения хлорофилла [48, 49], находящиеся в областях 430, 450, 650, 660, 670 нм, а также показаны особенности изменения спектральной поглощательной способности в зависимости от содержания хлорофилла в листьях; так, высокой концентрации хлорофилла соответствует сдвиг красного края в сторону большей длины волны, низкой - в сторону меньшей [50]. Кроме того, хлорофилл флуоресцирует в диапазоне 660- 780 нм, спектры флуоресценции, как правило, имеют два широких максимума в диапазонах длин волн 680 - 690 нм и 730 - 740 нм [51].

Основные пики поглощения излучения каротиноидами приходятся на длины волн 445, 475 и 500-510 нм, ксантофилы поглощают в области значений длин волн 425, 450, 470 нм [48, 52].

Установлено, что антоцианы имеют максимум поглощения на длинах волн 530, 550 нм [53]. Кроме того, антоцианы обеспечивают поглощение излучения в УФ-области в диапазоне около 200-350 нм.

Известны диапазоны, в которых спектральная характеристика растений оказывается чувствительной к содержанию в органах растения общего азота

0.5

1.5

Длина полни, мкм

2.0

2.5

способности зеленой растительности [46].

[54], фосфора [55], калия [56], воды [57], лигнина, целлюлозы, пиктина и белка (Рисунок 1.2). Кроме того, молекулы воды поглощают излучение в терагерцовом (ТГц) диапазоне.

Рисунок 1.2. Длины волн, на которых обнаруживается искажение спектральных свойств растений, вызванное изменением пигментного состава, элементного питания и пр. Количество биомассы, сомкнутость покровов, площадь листа влияют на общую интенсивность спектрального отклика растения. Тип поверхностного слоя может отличаться наличием зеркального отражения или высокой опушённостью. Нарушение внутренней структуры листа вследствие болезней приводит к резкому снижению пространственной когерентности излучения, прошедшего через пораженные ткани [26].

Перечисленные связи стрессов растения с биопараметрами и спектральные свойства последних позволяют сделать заключение, что наиболее информативными биопараметрами являются ссодержание основных пигментов, а также азота и влаги, при этом последние могут быть выражены через пигменты. Предпочтительным диапазоном длин волн, регистрацию в котором требуется обеспечить - 0,4-1,0 мкм. Кроме того, для многопараметрической диагностики, позволяющей выявить все информативные биопараметры, требуется регистрировать излучения на десятках длин волн. 1.2.3. Основные оптические методы для диагностики состояния растений

Спектральный анализ отраженного излучения. Наиболее разработанным направлением оптической диагностики состояния растений является спектроскопия отражения. В ряде работ [58, 59] представлены методы,

основывающиеся на анализе отраженного от зеленого массива оптического излучения в различных областях спектра.

Рефлектометрические методы подразумевают использование подсветки в активном или пассивном режиме. Активный режим подсветки используется как для увеличения общей освещенности поверхности измеряемых растений [60], (Field Scout CM-1000 Spectrum Technologies, Inc., USA), так и в качестве способа выделения отдельных информативных областей спектра (Field Scout CM-1000 Spectrum Technologies Inc., USA). Приборы, использующие последний режим ограничены дальностью действия источника излучения, и как следствие, типом носителя.

В пассивном режиме в качестве подсветки используется солнечное излучение. Приборы, работающие в пассивном режиме, широко используют для дистанционного анализа растения со спутников [61], пилотируемых и беспилотных летальных аппаратов [62], дронов [63], наземных транспортных средств (N-sensor Yara Inc., Green Seeker) и также с помощью оператора, носимые приборы ([64], [65] N-tester Yara Inc., LI-6400XT Portable Photosynthesis System LI-Cor, Inc.,USA, Field Scout CM-1000 Spectrum Technologies, Inc, USA) (Рисунок 1.3).

Рисунок 1.3. Внешний вид приборов для диагностики состояния растений методами анализа отраженного излучения: а) Green Seeker, б) АДТ-М.

Приборы, работающие в пассивном режиме, способны осуществлять измерение спектральных характеристик в требуемом диапазоне 0,4-1,0 мкм и

обеспечить формирование от единиц до сотен каналов [66]. Кроме того, возможность работы с различными носителями в сочетании с дистанционностью измерений позволяет обеспечить высокую производительность работы, т.е. охват больших территорий за ограниченный промежуток времени.

Спектральный анализ прошедшего излучения. Помимо изучения отраженного излучения для диагностики состояния растительности используют анализ излучения, прошедшего через ткани растений [15]. Существует подход, основанный на бесконтактном измерении освещенности под покровом растений (TRAC, 3-rd Wave Engineering, Canada) или одновременном измерении освещенности под и над покровом растений (Plant canopy Analyzer LAI-2200C, Area Meter LI-3100C LI-COR, Inc, USA). В ходе таких измерений определяются доли излучения, поглощаемые растениями в различных областях спектра.

Список литературы диссертационного исследования кандидат наук Гурылева Анастасия Валентиновна, 2021 год

// /л /

/ Шш » / ч

и^Г»*-*-»

500 550 600 650 700 750 800 850 Л, нм

0.8

э о.б

я

0.4

0.2

—»— ] —л— 2 —*— 3 .

/7 —*—4 - ^ -5 -»-6

Г 7 / / /*■ // и

А. А'1 /Ч <7

<4 Т '

500 550 600 650 700 750 800 850 Л, нм

—*— i —<¡— 2 —*— 3

и —*—4 - w -S -*-6

/' / / J г 1 ¡ ft / /

f *' Гк i ¿ f \

я

500 550 600 650 700 750 800 850 Л, нм

д)

Рисунок 3.10. Результаты восстановления СПЯ объектов различными методами: а) 3, б) 4, в) 5, г) 6, д) 7; В1; 5отн = 7%; 1, 2, 3 -измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

Реконструкция спектральной характеристики методом разложения по вейвлет-базису Хаара проведена удовлетворительно как для приведенных ранее трех объектов, так и для остальных объектов 1, 2, 6-12 (Приложение П.2). Как было отмечено выше, результаты реконструкции зависят от гладкости реконструируемой функции, тем не менее при увеличении искажения 5отн не происходит пропорционального ухудшения результатов для функций с меньшей степенью гладкости, результаты для различных объектов ухудшаются одинаково, и кроме того, могут считаться удовлетворительными.

В1, 5отн = 10%. Результаты количественной оценки реконструкции СПЯ, приведенные в Таблице 12, позволяют заключить, что восстановление при наличии погрешности 5отн = 10%, соответствующей величине ОСШ досш = 10, методами 3, 4, 6, 7 осуществлено удовлетворительно, и рекомендовать их как устойчивые к значительным погрешностям правой части выражения (2.9).

Таблица 12.

Результаты количественной оценки соответствия восстановленных и измеренных СПЯ. В1, 5отн = 10%

Параметр оценки Метод

1 2 3 4 5 6 7

СКО,% 1,672 0,188 0,032 0,021 0,040 0,035 0,028

ОП, % 124,4 128,09 13,89 10,65 21,18 14,01 13,02

Коэффициент вариации, % 651,6 148,9 19,91 10,57 25,96 17,00 13,93

Коэффициент корреляции 0,085 0,237 0,954 0,981 0,929 0,925 0,944

Результаты численного моделирования для В1 при искажении сигнала с ПИ 5отн = 10% приведены на Рисунке 3.11.

а)

б)

0.8

g о.б

к

0.4

0.2

—*— ] —Û— 2 —*— 3

' / ¿г —*—4 - ^ -s -»-6

/ т /V- Т 1 / /

à■**"*" Г^ Iti^t ¿и ÎVI Г Ч

и^Т**-*

500 550 600 650 700 750 800 850 Л, нм

0.8

g о.б

к

0.4

0.2

—*— ] —Û— 2 —*— 3 .

rn / п А- 7 ' —*—4 - i -S -»-6

/Г Î1 /

к? « ¡г ж/ ! (К*-

А / /У

500 550 600 650 700 750 800 850 Л, нм

—*— ] -o— 2 —«— 3 .

/V —í—4 - w -S -*-6

У ( / // ff ( i b

кр? /К

1 JJ

500 550 600 650 700 750 800 850 Л, нм

д)

Рисунок 3.11. Результаты восстановления СПЯ отдельных объектов методами: а) 3, б) 4, в) 5, г) 6, д) 7; В1; 5отн = 10%; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом. Приведенные результаты соответствуют численному моделированию с одним фильтром СЗС-7, так как в моделировании с ЖЗС-18 полученные количественные оценки оказались хуже, так коэффициент корреляции - ниже на 0,2-0,3 единицы, коэффициент вариации - больше на 5-10%.

Уточнение значения £мо. Проведено определение времени, требующегося на математическую обработку кадра tM0 (Таблицы 13).

Таблица 13.

Время обработки кадра при решении некорректной задачи

Параметр Метод решения некорректной задачи

0 1 2 3 4 5 6 7

^мо_кадр, с 0,17 0,01 0,56 0,01 0,01 0,17 0,288 0,01

Время обработки кадра методом разложения по вейвлет-базису Хаара с применением дополнительного фильтра составляет ¿МО = 0,01 с. Меньшее время обработки по сравнению с некоторыми другими методами обеспечивается алгоритмами быстрого вычисления матричных выражений, описанных, например, в работе [155]. С учетом указанной величины

разработанным методом может быть обеспечено требуемое время формирования куба данных ¿кд = 0,1 с. Такие результаты подтверждают возможность работы для задач мониторинга состояния растений, в том числе для предоставления результатов оператору в режиме реального времени.

Разное количество фильтров. Восстановление характеристики без фильтров математическими методами показывает удовлетворительные результаты. Однако коэффициент корреляции, показывающий степень подобия формы, и ОП реконструированных СПЯ объектов для метода разложения по вейвлет-базису Хаара имеют значения на 4% и 112%, соответственно, хуже, чем величины тех же параметров, полученных при использовании в численном моделировании одного дополнительного оптического фильтра.

Результаты численного моделирования с применением двух дополнительных фильтров оказались незначительно лучше, чем с одним фильтром, при этом коэффициент корреляции увеличивается на 0,1%, а ОП снижается на 3,09%. Использование двух фильтров рекомендовано при отсутствии ограничения на частоту кубов данных.

Основные параметры ГС для углового поля зрения = 30°, рассчитанные согласно пунктом 2.3.2 и на основании полученных в численном моделировании результатов, приведены в Таблице 14.

Таблица 14.

Параметры ГС на основе восьмиканального ПИ

Параметр Значение при пространственном разрешении

5 мм 10 мм

Производительность, га/ч 25 75

Шаг спектральных отсчетов, нм 1 1

Рабочий диапазон, нм 550-850 550-850

Количество спектральных отсчетов, ед. 300 300

Время формирования куба данных, с 0,1 0,1

Продолжение Таблицы 14.

Параметр Значение при пространственном разрешении

5 мм 10 мм

Дальность съемки, м 15,5 31,4

Скорость движения носителя, км/ч 50 50

Угловое пространственное разрешение,'' 65 65

3.2.2. Результаты численного моделирования метода получения спектральных данных гиперспектрометром на основе трехканального ПИ

Результаты численного моделирования для В2 приведены по схеме, аналогичной описанной в пункте 3.1.3. В Приложении П.3 помещены количественные оценки результатов восстановления СПЯ всех объектов, участвующих в численном моделировании, для метода, показавшего наилучшие количественные характеристики (Таблицы П5-П7).

В2, 5отн = 0%. Результаты численного моделирования для ГС на основе трехканального ПИ при искажении теоретически полученного сигнала с ПИ 5отн = 0% приведены в Таблице 15 и на Рисунке 3.12.

Таблица 15.

Результаты количественной оценки соответствия восстановленных и

измеренных СПЯ. В2. 5отн = 0%

Параметр оценки Метод

1 2 3 4 5 6 7

СКО,% 0,008 0,135 0,096 0,029 0,048 0,034 0,018

ОП, % 8,13 94,25 35,73 17,14 21,72 16,27 9,45

Коэффициент вариации, % 5,73 149,38 108,73 14,58 31,98 21,76 12,31

Коэффициент корреляции 0,994 0,347 0,769 0,989 0,894 0,937 0,980

- ] 2 3 4 5 6

— - — -Л- - — * — / r мЧ

Ч п г

/а fL**-! 1 ß** Ж г р

■

350 400 450 500 550 600 650 700 750 Л, нм

Ж)

Рисунок 3.12. Результаты восстановления СПЯ объектов методами: а) 1, б) 2, в) 3, г) 4, д) 5, е) 6, ж) 7; В2; 5отн = 0%; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

Коэффициенты корреляции для В2 для ряда методов оказались близкими к значениям коэффициентов корреляции В1. Однако ОП и коэффициент вариации имеют большие значения, что объясняется повышенной линейной зависимостью строк матрицы оператора выражения (2.9), имеющей место ввиду использования меньшего количества каналов ПИ изучения т при схожем общем количестве каналов ГС q (т = 3, р = 4, q = 15 и т = 8, р = 1, q = 16). Результаты реконструкции методами 1, 4, 7 согласно оценкам можно считать удовлетворительными.

Реконструкция СПЯ МНК, показавшим лучшие значения количественной оценки реконструкции, при отсутствии погрешности сигналов ПИ отличается высокой однородностью результатов по всем объектам (Приложение П.3).

В2, 5отн = 1,5%. Для демонстрации влияния неустойчивости системы (2.9) на решение некорректной задачи различными методами, приведены результаты восстановления СПЯ при наличии минимально возможного искажения в 1,5 %, обусловленного погрешностью численного интегрирования (Рисунок 3.13, Таблица 16).

а)

в)

0.8

3 0.6 к

-J 0.4

0.2

] 2

— - — -û- -— * - 4 5 6 // / *

V ri i 1 [я* \ а, X \

//v * Jr V S .,*! сГ К Ч %

J >ik*-tJM

350 400 450 500 550 600 650 700 750 Л, нм

б)

0.8

0.6

-J 0.4

0.2

0 350

—*— ] —û— 2 —«— 3 1 1 1

- -4 - л -5 - * -6 / ti л 1 1 « А

/ а г / \ \

ж* А

V 1

400 450

500 550 600 Л, нм

650 700 750

г)

д)

e)

- ] 2 3 4 5 6

— - — -л- - — * — Хх & к

и Г< Г

ijf

¿1 ¿j/

350 400 450 500 550 600 650 700 750 Л, нм

Ж)

Рисунок 3.13. Результаты восстановления СПЯ объектов методами: а) 1, б) 2, в) 3, г) 4, д) 5, е) 6, ж) 7; В2; 5отн = 1,5 %; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом. Неустойчивость системы (2.9) для В2 является критической (Рисунки 3.13. а,б) для удовлетворительной работы МНК и метода Фурье-преобразования при наличии искажений в сигнале ПИ 5отн > 0%, поэтому далее результаты восстановления указанными методами приведены только в таблицах.

Таблица 16.

Результаты количественной оценки соответствия восстановленных и измеренных СПЯ. В2. 5отн = 1,5 %

Параметр оценки Метод

1 2 3 4 5 6 7

СКО,% 0,142 0,135 0,107 0,096 0,049 0,033 0,020

ОП, % 68,17 102,82 42,22 50,47 22,07 15,51 10,28

Коэффициент вариации, % 112,78 163,63 186,12 198,38 32,71 27,24 13,36

Коэффициент корреляции 0,483 0,326 0,792 0,708 0,891 0,936 0,976

Для методов 5-7 не наблюдалось значительного ухудшения значений оценок (Таблица 16). Методы разложения по вейвлет-базису 3 и 4 имеют неоднородные результаты, на некоторых участках кривая восстановлена с

низкой ОП, в других имеются значительные флуктуации значений, более того, при увеличении величины искажения сигнала ПИ наблюдается заметное ухудшение результатов, поэтому далее результаты реконструкции методами 3 и 4 приведены только в таблицах.

В2, 5отн = 7%. Результаты численного моделирования для ГС на основе трехканального ПИ при искажении рассчитанного сигнала с ПИ 5отн = 7% приведены на Рисунке 3.14.

а)

б)

0.8

0.6

-J 0.4

0.2

] 2

— -— -¿У - 4 5 6 / S у/ s

р 7 /1 и и г

if м Ё к*

eTAJ ft ¿

350 400 450 500 550 600 650 700 750 Л, нм

В)

Рисунок 3.14. Результаты восстановления СПЯ отдельных объектов методами: а) 5, б) 6, в) 7; В2; 5отн = 7%; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

Метод регуляризации Тихонова обладает достаточной устойчивостью для восстановления СПЯ при искажении сигнала 5отн = 7% в моделировании В2 с удовлетворительными значениями количественных оценок результата реконструкции (Таблица 17).

Таблица 17.

Результаты количественной оценки соответствия восстановленных и

измеренных СПЯ. В2. 5отн = 7%

Параметр оценки Метод

1 2 3 4 5 6 7

СКО,% 0,180 0,144 0,336 9,366 0,051 0,040 0,028

ОП, % 69,93 96,86 81,17 >999 22,70 18,73 13,23

Коэффициент вариации, % 136,85 153,75 275,13 >999 35,99 28,17 17,45

Коэффициент корреляции 0,392 0,331 0,330 0,032 0,886 0,913 0,960

Результаты восстановления всех объектов, участвующих в численном моделировании, методом регуляризации Тихонова, показавшего лучшие результаты для 5отн = 7%, приведены в Приложении П.3. ОП и однородность результатов реконструкции, ниже, чем для В1 при том же значении 5отн , тем не менее значения оценок остались удовлетворительными, кроме того, не обнаружилось значительных изменений от объекта к объекту, что говорит о высокой универсальности рассматриваемого метода.

В2, 5отн = 10%. Результаты численного моделирования для ГС на основе трехканального ПИ с искажением рассчитанного сигнала с ПИ 5отн = 10% приведены на Рисунке 3.15.

а)

б)

в)

Рисунок 3.15. Результаты восстановления СПЯ отдельных объектов методами: а) 5, б) 6, в) 7; В2; 5отн = 10%; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом. В ходе численного моделирования определено, что среди рассматриваемых математических методов решение задачи (2.9) при наличии искажений правой части 5отн = 10%, что соответствует величине ОСШ досш = 10, лучшие результаты показал метод регуляризации Тихонова (Таблица 18).

Результаты количественной оценки соответствия восстановленных и измеренных СПЯ. В2. 5отн = 10%

Параметр оценки Метод

1 2 3 4 5 6 7

СКО,% 0,425 0,137 1,398 1,695 0,051 0,046 0,031

ОП, % 92,05 102,27 207,95 197,80 22,78 20,85 13,97

Коэффициент вариации, % 574,00 300,60 926,80 >999 34,12 32,48 18,60

Коэффициент корреляции 0,202 0,343 0,177 0,051 0,886 0,893 0,955

Относительно низкое значение коэффициента корреляции при сравнительно высоких значениях коэффициента вариации объясняется сильным сглаживанием решения для снижения влияния неустойчивости системы. Тем не менее результаты реконструкции СПЯ методом регуляризации Тихонова можно считать удовлетворительными и рекомендовать метод как обеспечивающий необходимые параметры решения для обработки спектральной характеристики способами, описанными в пункте 1.2.1.

Количественная оценка восстановления объектов 1-12 методом регуляризации Тихонова показаны в Приложении П.3.

Приведенные результаты соответствуют численному моделированию с набором из четырех фильтров: СС-15, СЗС-7, СЗС-16, ОС-14, так как в численном моделировании с четырьмя фильтрами в других сочетаниях полученные количественные оценки оказались не лучше или хуже.

Уточнение значения £мо. Проведено определение времени, требующегося на математическую обработку кадра ¿мо, исходя из данных Таблицы 19.

Время обработки кадра при решении некорректной задачи

Параметр Метод решения некорректной задачи

1 2 3 4 5 6 7

^мо_кадр, с 0,08 8,00 0,08 0,08 2,40 4,00 0,08

Время обработки кадра методом регуляризации Тихонова с применением четырех дополнительных фильтров, согласно Таблице 19, составляет ¿МО = 0,08 с. С учетом указанной величины разработанным методом может быть обеспечено требуемое время формирования куба данных ¿кд = 0,1 с. Такие результаты подтверждают возможность работы для задач мониторинга состояния растений, в том числе для предоставления результатов оператору в режиме реального времени.

Разное количество фильтров. Результаты численного моделирования метода без использования дополнительных фильтров, с одним и двумя фильтрами оказались неудовлетворительными, поэтому не приведены. Восстановление СПЯ по материалам съемки с тремя фильтрами показало удовлетворительные результаты по некоторым параметрам. При этом коэффициент корреляции и ОП реконструированных СПЯ объектов для метода регуляризации Тихонова имеют значения на 3% и 33%, соответственно, хуже, чем значения тех же параметров, полученных в численном моделировании при использовании четырех дополнительных оптических фильтров.

Результаты численного моделирования с применением шести дополнительных фильтров оказались незначительно лучше, чем с четырьмя фильтрами, при этом коэффициент корреляции увеличивается на 0,5%, а ОП снижается на 1,8%. Использование шести фильтров представляется неэффективным даже при отсутствии ограничения на частоту кадров.

Основные параметры ГС для углового поля зрения = 30°, рассчитанные согласно пункту 2.3.2, и на основании полученных в численном моделировании результатов, приведены в Таблице 20.

Параметры ГС на основе трехканального ПИ

Значение при пространственном

Параметр разрешении

5 мм 10 мм

Производительность, га/ч 60 120

Шаг спектральных отсчетов, нм 1 1

Рабочий диапазон, нм 380-720 380-720

Количество спектральных отсчетов, ед. 340 340

Время формирования куба данных, с 0,1 0,1

Дальность съемки, м 23,5 47

Скорость движения носителя, км/ч 50 50

Угловое пространственное разрешение,'' 43 43

3.3. Выводы по третьей главе

В третьей главе:

1. Численное моделирование разработанного метода получения спектральных данных прибором на основе МКПИ с требуемым для диагностики состояния растений спектральным и пространственным разрешением, в рамках которого рассмотрено два варианта ГС: на основе ПИ с тремя и восьмью каналами; восемь дополнительных оптических фильтров; семь методов решения некорректной обратной задачи реконструкции СПЯ, показало возможность определения СПЯ объектов с шагом спектральных отсчетов 1 нм прибором как на основе восьмиканального ПИ, так и на основе RGB матрицы, что обеспечивает увеличение числа спектральных отсчетов для указанных ПИ более чем в 35 раз.

2. Количество и вид функций пропускания дополнительных оптических фильтров определены на основании анализа диаграммы Пикара, степени обусловленности системы уравнений, описывающих работу ГС, а также с

учетом требования ко времени формирования куба данных. Съемку прибором на основе восьмиканального ПИ, рассмотренного в моделировании, следует производить с одним оптическим фильтров СЗС-7 (В1), съемку устройством на основе исследованной в численном моделировании RGB-матрицы - с четырьмя фильтрами СС-15, СЗС-7, СЗС-16, ОС-14 (В2).

3. Метод разложения по вейвлет-базису Хаара определен как метод решения некорректной обратной задачи, обеспечивающий наилучшие количественные оценки реконструкции СПЯ для ГС на основе МКПИ для В1, в частности относительную погрешность определения спектральной характеристики ГС не более 15% при отношении сигнал шум не менее 10. Метод регуляризации Тихонова выделен как аналогичный метод для ГС на основе МКПИ для В2.

4. Показано, что отвечают исходным требованиям по спектральному и пространственному разрешению, производительности, а также частоте съемки, при ОСШ не менее 10 основные параметры ГС на основе МКПИ как В1, так и В2, отметим, что в В2 рассмотрен доступный и распространенный ПИ.

5. Продемонстрирована эффективная работа разработаного программного обеспечения для автоматизированного численного моделирования различных вариантов ГС на основе МКПИ.

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДА ПОЛУЧЕНИЯ СПЕКТРАЛЬНЫХ ДАННЫХ ДЛЯ ДИАГНОСТИКИ СОСТОЯНИЯ РАСТЕНИЙ ГИПЕРСПЕКТРОМЕТРОМ НА ОСНОВЕ

МНОГОКАНАЛЬНОГО ПИ

В главе показаны результаты работы метода получения спектральных данных прибором на основе МКПИ при его практической реализации. Описана съемка органических и неорганических объектов различными вариантами ГС на основе МКПИ, проведен анализ результатов съемки, выданы рекомендации по применению ГС на основе МКПИ для диагностики состояния растений.

4.1. Экспериментальное исследование метода получения спектральных данных на неорганических объектах

Экспериментальное исследование разработанного метода проведено в соответствии с определенными в пунктах 3.1.2, 3.1.3 объектами моделирования и параметрами ГС. Съемка объектов согласно разработанному методу осуществлена двумя устройствами - мультиспектральной камерой Silios Technologies CMS-V с восьмиканальным ПИ (В1) и фотоаппаратом Сanon 1200D с трехканальным ПИ (В2), спектральные чувствительности которых приведены на Рисунках 3.а и 3.б, соответственно. Значениями пикселов изображений, полученных в каждом канале ПИ при съемке с дополнительными фильтрами и при их отсутствии, сформирована правая часть и выражения (2.9). Значения сигналов переведены из диапазона [0, 255] к диапазону [0, 1]. Обработка полученных в ходе съемки материалов проведена в среде Matlab. Используемый алгоритм может быть оформлен в виде отдельного приложения и использоваться как автоматизированное ПО.

Примеры кадров, снятых устройствами В1 и В2, показаны на Рисунке 4.1.

Ваш

а)

б)

Рисунок 4.1. Кадр, выполненный камерой: а) Silios Technologies CMS-V на длине волны 827 нм без дополнительных фильтров, б) Canon 1200 D с фильтром СС-15. По полученным в ходе съемки значениям правой части и проведено уточнение регуляризационного параметра а (Рисунок 4.2).

а) б)

Рисунок 4.2. Функции Q квазиоптимального метода определения регуляризационного параметра для практической реализации: а) В1, а = 1,112, б) В2, а = 6,463. Показаны результаты реконструкции СПЯ по измеренным сигналам как лучшим по результатам численного моделирования методом для каждого из

ПИ, так и другими математическими методами для демонстрации соответствия теоретических результатов практическим и возможных реализаций разработанного оптического метода.

В1. Результаты экспериментального исследования разработанного метода получения спектральных данных для диагностики состояния растений ГС на основе восьмиканального ПИ приведены на Рисунке 4.3.

а)

б)

0.8

д о.б

я

0.4

0.2

0 500

X ч —*— ] —л— 2 —м— 3

( Л —*—4 - ^ -5 -»-6

г ь \ ¿1 / 1 Г ' / г \ ч

ж ' г и ь. 1 ж / ! т 1 Чи ЧлК -X М—

11 и II ¿И *

550 600

650 700 Л, нм

в)

750 800 850

0.8

д о.б

я

0.4

0.2

—*— ] —л— 2 —м— 3

/V XV ¡л —*—4 - ^ -5 -»-6

и ■ А / рг Г / / * Г ! / * . X NN

и /

Л' / Ч ** у

0

500 550 600

650 700 Л, нм

750 800 850

г)

д)

е)

ж)

Рисунок 4.3. Результаты восстановления СПЯ методами: а) 1, б) 2, в) 3, г) 4, д) 5, е) 6, ж) 7; В1; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

МНК и метод Фурье-преобразования оказываются неустойчивыми к погрешностям, присущим натурному эксперименту, и потому показали неудовлетворительные результаты, выраженные заметными флуктуациями значений восстановленной кривой. Исходя из данных Таблицы 21, удовлетворительными можно назвать оценки реконструкции методами 4, 6, 7.

Таблица 21.

Результаты количественной оценки соответствия восстановленных и

измеренных СПЯ. В1

Параметр оценки Метод

0 1 2 3 4 5 6 7

СКО,% 0,077 5,726 0,299 0,056 0,031 0,049 0,027 0,029

ОП, % 70,52 695,60 195,73 29,33 14,37 25,62 12,39 11,21

Коэффициент вариации, % 44,56 >999 309,92 30,49 14,55 29,11 13,65 14,38

Коэффициент корреляции 0,873 0,033 0,143 0,898 0,967 0,940 0,965 0,961

Различия между значениями ОП в численном моделировании при отсутствии искажений правой части и в экспериментальном исследовании для методов 4, 6, 7 лежат в пределах 15%, на основании чего можно сделать вывод, что численное моделирование разработанного метода для диагностики состояния растений ГС на основе восьмиканального ПИ проведено удовлетворительно.

Результаты экспериментального исследования разработанного оптического метода для объектов 1-12 с применением математического метода, показавшего лучшие количественные оценки, метода разложения по вейвлет-базису Хаара, приведены на Рисунке 4.4.

а)

б)

в) г)

Рисунок 4.4. Результаты восстановления методом разложения по вейвлет-базису Хаара СПЯ объектов: а) 1, 2, 3, б) 4, 5, 6, в) 7, 8, 9, г) 10, 11, 12; В1; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

Значения количественных оценок реконструкции спектральной характеристики отдельных объектов методом разложения по вейвлет базису Хаара приведены в Таблице 22.

Таблица 22.

Результаты количественной оценки соответствия восстановленных методом

Исследуемый объект СКО ОП, % Коэффициент вариации, % Коэффициент корреляции

Объект 1 0,029 16,73 19,51 0,945

Объект 2 0,046 13,77 18,70 0,965

Объект 3 0,032 8,34 6,06 0,984

Объект 4 0,056 17,77 23,10 0,949

Объект 5 0,024 15,90 14,26 0,966

Объект 6 0,020 15,41 14,51 0,948

Объект 7 0,027 9,23 10,06 0,984

Продолжение Таблицы 22.

Исследуемый объект СКО ОП, % Коэффициент вариации, % Коэффициент корреляции

Объект 8 0,020 8,15 5,67 0,983

Объект 9 0,025 18,03 18,94 0,990

Объект 10 0,036 19,42 17,14 0,964

Объект 11 0,025 12,99 12,59 0,962

Объект 12 0,031 16,74 14,04 0,967

В численном моделировании было показано, что результаты реконструкции зависят от плавности реконструируемой функции, и для объектов 2, 4, 10 и 5отн = 10% были получены худшие количественные оценки. При практической реализации значения из Таблицы 22 для объектов 2, 4, 10 также являются одними из худших. Тем не менее даже результаты с худшими оценками можно однозначно назвать удовлетворительными.

В2. Количественные оценки результатов реконструкции спектральной характеристики в экспериментальном исследовании разработанного метода получения спектральных данных для диагностики состояния растений ГС на основе трехканального ПИ собраны в Таблице 23.

Таблица 23.

Результаты количественной оценки соответствия восстановленных и

измеренных СПЯ. В2

Параметр оценки Метод

1 2 3 4 5 6 7

СКО,% 0,253 0,188 0,793 0,044 0,044 0,044 0,039

ОП, % 157,45 53,47 144,33 20,32 20,32 20,32 18,34

Коэффициент вариации, % 239,54 114,68 654,07 26,71 26,71 26,71 25,02

Коэффициент корреляции 0,262 0,414 0,031 0,079 0,913 0,913 0,953

На Рисунке 4.5 приведены кривые СПЯ, восстановленные по данным экспериментального исследования для В2.

] 2

—*— 4 5 6 у" / / / ЧУ "

J / 1 / i т 1 I /7 / f

Iß*** 'Ж f ¿s \J { %

d ii -* -

bSiii-

350 400 450 500 550 600 650 700 750 Д. нм

д)

Рисунок 4.5. Результаты восстановления СПЯ методами: а) 1, б) 2, в) 3, г) 4, д) 5, е) 6, ж) 7; В2; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 - СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

Различия между значениями ОП в численном моделировании при отсутствии искажений правой части и в экспериментальном исследовании для методов 5-7 лежат в пределах 15%, из чего можно заключить, что численное моделирование разработанного метода для диагностики состояния растений ГС на основе трехканального ПИ проведено удовлетворительно.

В качестве рациональных для практической реализации ГС на основе трехканального ПИ математических методов реконструкции спектральной характеристики рассматривались методы 5, 6, 7. Наилучшие результаты для В2 показал метод регуляризации Тихонова (Таблица 24).

Таблица 24.

Результаты количественной оценки соответствия восстановленных методом регуляризации Тихонова и измеренных СПЯ объектов 1-12. В2

Исследуемый объект СКО ОП, % Коэффициент вариации, % Коэффициент корреляции

Объект 1 0,017 10,19 13,03 0,969

Продолжение Таблицы 24.

Исследуемый СКО ОП, % Коэффициент Коэффициент

объект вариации, % корреляции

Объект 2 0,058 35,62 47,35 0,970

Объект 3 0,056 16,99 22,41 0,985

Объект 4 0,068 25,17 50,98 0,960

Объект 5 0,027 13,10 17,33 0,975

Объект 6 0,029 19,14 23,11 0,918

Объект 7 0,038 13,85 17,75 0,971

Объект 8 0,033 12,79 14,90 0,977

Объект 9 0,023 14,35 14,79 0,942

Объект 10 0,051 24,91 32,78 0,968

Объект 11 0,027 16,70 20,35 0,836

Объект 12 0,044 17,28 25,47 0,970

Значения ОП и коэффициента вариации для объектов 2 и 4 превышают удовлетворительные значения, что объясняется высокой чувствительностью методов реконструкции к степени гладкости восстанавливаемой функции. Тем не менее, указанный недостаток проявляется в значительной степени только в области 600 нм, что может быть объяснено особенностями функций, входящих в оператор выражения (2.9). Заметим, что, с одной стороны, резкие изменения значений СПЯ в окрестностях указанной длины волны не характерны для растительности, с другой стороны, описанный недостаток может быть устранен подбором других ПИ и оптических фильтров, что не представляется трудной задачей ввиду распространенности и доступности трехканальных ПИ и устройств на их основе. Кроме прочего, коэффициенты вариации, приведенные в Таблице 24, помимо таковых для объектов 2, 4, 10, оказались в пределах удовлетворительных значений, что позволяет определить метод регуляризации Тихонова, как метод удовлетворительно реконструирующий спектральную характеристику. Добавим, что результаты реконструкции методами 5-7 в

экспериментальном исследовании с трехканальной матрицей оказались лучше по рассматриваемым параметрам, чем результаты интерполяции данных эксперимента с восьмиканальным ПИ.

Результаты экспериментального исследования разработанного оптического метода для объектов 1 -12 с применением математического метода, показавшего лучшие количественные оценки соответствия восстановленной и измеренной СПЯ, метода регуляризации Тихонова, приведены на Рисунке 4.6

350 400 450 500 550 600 650 700 750 А, нм

а)

б)

0.8

0.6

-J 0.4

0.2

^^3

— -*- -4 - * -5

Лл / / / & 5-Й ^ 1-й '

Рисунок 4.6.

350 400 450 500 550 600 650 700 750 Л, нм

В) г)

Результаты восстановления методом регуляризации Тихонова СПЯ объектов: а) 1, 2, 3, б) 4, 5, 6, в) 7, 8, 9, г) 10, 11, 12; В2; 1, 2, 3 - измеренная СПЯ объектов 5, 4, 3, соответственно, 4, 5, 6 -СПЯ объектов 5, 4, 3, соответственно, полученная предложенным методом.

Отметим, что при использовании в исследовательской деятельности, направленной на получение соотношений связи биопараметра с количественным параметрами спектральной характеристики растений, и в практических измерениях растений одного и того же прибора, функционирующего по разработанному методу для диагностики состояния растений ГС на основе МКПИ, результаты сопоставления эталонной и текущей измеренной характеристики, предполагаются, исходя из величин коэффициента вариации, указывающего на повторяемость результатов, более высокими, чем полученные в настоящем эксперименте.

4.2. Экспериментальное исследование метода получения спектральных данных на органических объектах

Кроме исследования работы предложенного метода на неорганических объектах, были проведены эксперименты на органических, в качестве которых использовались здоровые и зараженные вирусным патогеном растения фундука, предоставленные ВНИИКР. Обработка материалов съемки осуществлена методами разложения по вейвлет-базису Хаара и регуляризации Тихонова, как наилучшими методов для рассматриваемых вариантов ГС (В1 и В2, соответственно), что было определенно в пунктах 3.2.1, 3.2.2 и подтверждено в пункте 4.1.

Фотографии листов рассматриваемых растений с отметками номеров областей исследования (ОИ), для которых приведены СПЯ, показаны на Рисунке 4.7. ОИ 1-3 листа 2, изображенного на Рисунке 4.7.б, не имеют заметных изменений тканей относительно ОИ 1-3 листа здорового растения. ОИ 1 листа 3, изображенного на Рисунке 4.7.в, обладает тем же свойством, ОИ 2 имеет слабо выраженное изменение окраски, ОИ 3 - значительное изменение окраски, в ОИ 4 располагаются продукты жизнедеятельности паутинного клеща.

а) б) в)

Рисунок 4.7. Лист фундука: а) здорового, б), в) больного растения, а) лист 1, б) лист 2, в) лист 3; 1-4 - номер ОИ. Смена дополнительных оптических фильтров В1 и В2 была обеспечена использованием насадки на используемые устройства (Рисунок 4.8).

а)

Рисунок 4.8.

б)

в)

Внешний вид: а) 3Э-модели насадки-держателя оптических фильтров для В2, 1 - держатель оптических фильтров, 2 -оптический фильтр, 3 - резьбовое кольцо, б) насадки-держателя дополнительных оптических для В1, в) насадки-держателя В2 при использовании.

Кривые СПЯ отмеченных на Рисунке 4.9 областей определены разработанным методом с помощью ГС В1 и В2 (Рисунок 4.9).

г) д) е)

Рисунок 4.9. Результаты измерения СПЯ листов фундука а), г) лист 1, б), д) лист 2, в), е) лист 3, полученные: а), б), в) В1, г), д), е) В2; 1-4 - номер кривой соответствующей ОИ. Значения количественной оценки спектрального отклика растения для ОИ рассматриваемых листьев собраны в Таблице 25.

Таблица 25.

Коэффициент корреляции спектральных характеристик ОИ листа 1 и различных

ОИ листов 2 и 3

Вариант ГС ОИ листа 2 ОИ листа 3