一种豆类耐盐性测定方法

测量装置的制造及其应用技术1.本发明属于植物耐盐性测定技术领域，尤其涉及一种豆类耐盐性测定方法。背景技术：2.目前，豆类泛指所有能产生豆荚的豆科植物，同时，也常用来称呼豆科的蝶形花亚科中的作为食用和饲料用的豆类作物。在成百上千种有用的豆科植物中，至今广为栽培的豆类作物不逾20种。豆类的经济价值较高，由于其中多数种类的种子含有丰富的蛋白质，是人类和牲畜蛋白质营养的重要来源。有些豆类如大豆、落花生和四棱豆除有丰富的蛋白质以外，还含有大量可食用的油脂。许多豆类种子的蛋白质含量在20～40％之间，少数可达40～60％，其蛋白质含量比谷类高2～3倍，比薯类高5～10倍。此外，豆类的茎秆和枝、叶也富于蛋白质，通常可达8～14％，而谷类秆、叶含蛋白质仅有4～6％，所以豆类的茎、叶又是营养价值较高的饲料和优良的绿肥。新鲜的豆荚、种子和茎、叶还含有几种维生素，为富有营养的蔬菜及牲畜青饲料。豆类生长环境为适宜于夏季高温的温带地区光照充足、土壤肥沃水分足，地势低平。豆类在种植过程中，需要对豆类耐盐性进行测定。但是现有技术无法精确获取豆类养殖箱内部的环境参数、土壤盐性和豆类各个时段内部的生长状态，降低了豆类耐盐性实验的准确度。3.通过上述分析，现有技术存在的问题及缺陷为：现有技术无法精确获取豆类养殖箱内部的环境参数、土壤盐性和豆类各个时段内部的生长状态，降低了豆类耐盐性实验的准确度。技术实现要素：4.针对现有技术存在的问题，本发明提供了一种豆类耐盐性测定方法。5.本发明是这样实现的，一种豆类耐盐性测定方法，所述豆类耐盐性测定方法包括：6.步骤一，豆类生长环境检测模块通过检测传感器检测养殖箱内部的环境参数和土壤盐性；同时通过摄像模块获取豆类各个时段内部的生长状态；7.步骤二，主控制模块通过控制器对数据进行整理储存，并协调各个模块的正常运行；数据预处理模块通过数据预处理程序对获取的数据进行预处理；执行调整模块通过在养殖箱安装有温度、光照强度、湿度调整设备，调整养殖箱内部的豆类生长环境；8.步骤三，数据分析模块通过数据分析程序对获取的数据的进行分析，得出豆类耐盐性；显示模块通过显示器用以显示整体系统相应的数据；9.步骤四，通信模块通过通信设备实现与云服务或远程终端的连接，实现远程查看和控制；电源模块通过太阳能电池板将太阳能转换为电能，储存在蓄电池中，为整体装置进行供电。10.进一步，所述步骤一中，养殖箱内部的环境参数包括温度、湿度、光照强度。11.进一步，所述步骤二中，数据预处理模块通过数据预处理程序对获取的数据进行预处理包括：电信号数据预处理和豆类植物图像数据预处理；12.所述豆类植物图像数据预处理具体过程为：13.导入豆类植物图像，并进行豆类植物图像去噪和增强处理；14.将增强处理完的豆类植物图像转变成灰度图；15.将豆类植物图像转化成二值图，并进行豆类植物图像的边缘检测、分割、直方图匹配、轮廓匹配。16.进一步，所述豆类植物图像增强处理具体过程为：17.将豆类植物图像生成直方图，在直方图中建立灰度累加分布的直方图数组，得到累加分布直方图；18.将豆类植物图像累加分布的直方图均衡化，得到均衡化的豆类植物图像直方图；19.根据均衡化的豆类植物图像直方图，反向映射回源图像。20.进一步，所述豆类植物图像生成直方图具体过程为：21.根据豆类植物图像，建立一定维度初始值为零的数组；22.以像素灰度值为数组下标，将数组元素相加运算，统计豆类植物图像的灰度信息，建立灰度直方图。23.进一步，所述得到累加分布直方图具体过程为：24.将累加分布的豆类植物图像直方图均衡化到一定范围值内，将累加分布的直方图中的每个元素去除以图像的像素总数，即得到均衡化的直方图。25.进一步，所述反向映射回源图像具体过程为：26.根据均衡化的豆类植物图像直方图，扫描豆类植物源图像，将豆类植物源图像中的像素灰度为查找表数组下标，取出查找表中的元素作为灰度填回到豆类植物源图像，完成豆类植物图像的灰度均衡。27.进一步，所述步骤二中，对数据进行整理储存具体过程为：28.根据养殖箱内部的环境参数、土壤盐度和豆类各个时段内部的生长状态，建立不同的数据样本；29.在不同的数据样本中提取相应的数据特征，并进行变换，提取代表观测数据的特征矢量；30.通过聚类算法对特征矢量进行模式识别处理，实现各个数据样本的目标说明；关于目标的说明数据按同一目标进行分组，即关联；31.通过融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。32.本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的豆类耐盐性测定方法。33.本发明另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的豆类耐盐性测定方法。34.结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过设置有豆类生长环境检测模块，可以精确获取养殖箱内部的环境参数、土壤盐性和豆类各个时段内部的生长状态，为豆类耐盐性实验提供了更可靠的数据参考。同时本发明通过设置有执行调整模块，可以在研究豆类耐盐性实验过程中，精确的控制变量参数。本发明通过设置有通信模块，通过通信设备实现与云服务或远程终端的连接，实现远程查看和控制。附图说明35.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，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的附图。36.图1是本发明实施例提供的豆类耐盐性测定装置结构示意图。37.图2是本发明实施例提供的豆类耐盐性测定方法流程图。38.图3是本发明实施例提供的豆类植物图像数据预处理方法流程图。39.图4是本发明实施例提供的豆类植物图像增强处理方法流程图。40.图5是本发明实施例提供的豆类植物图像生成直方图方法流程图。41.图中：1、豆类生长环境检测模块；2、主控制模块；3、数据预处理模块；4、数据分析模块；5、显示模块；6、通信模块；7、电源模块；8、执行调整模块。具体实施方式42.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。43.针对现有技术存在的问题，本发明提供了一种豆类耐盐性测定方法，下面结合附图对本发明作详细的描述。44.如图1所示，本发明实施例提供的豆类耐盐性测定装置包括：45.豆类生长环境检测模块1，通过检测传感器检测养殖箱内部的环境参数和土壤盐性；同时通过摄像模块获取豆类各个时段内部的生长状态。46.主控制模块2，通过控制器对数据进行整理储存，并协调各个模块的正常运行。47.数据预处理模块3，通过数据预处理程序对获取的数据进行预处理。48.数据分析模块4，通过数据分析程序对获取的数据的进行分析，得出豆类耐盐性。49.显示模块5，通过显示器用以显示整体系统相应的数据。50.通信模块6，通过通信设备实现与云服务或远程终端的连接，实现远程查看和控制。51.电源模块7，通过太阳能电池板将太阳能转换为电能，储存在蓄电池中，为整体装置进行供电。52.执行调整模块8，通过在养殖箱安装有温度、光照强度、湿度调整设备，调整养殖箱内部的豆类生长环境。53.如图2所示，本发明实施例提供的豆类耐盐性测定方法包括：54.s101：豆类生长环境检测模块通过检测传感器检测养殖箱内部的环境参数和土壤盐性；同时通过摄像模块获取豆类各个时段内部的生长状态。55.s102：主控制模块通过控制器对数据进行整理储存，并协调各个模块的正常运行；数据预处理模块通过数据预处理程序对获取的数据进行预处理；执行调整模块通过在养殖箱安装有温度、光照强度、湿度调整设备，调整养殖箱内部的豆类生长环境。56.s103：数据分析模块通过数据分析程序对获取的数据的进行分析，得出豆类耐盐性；显示模块通过显示器用以显示整体系统相应的数据。57.s104：通信模块通过通信设备实现与云服务或远程终端的连接，实现远程查看和控制；电源模块通过太阳能电池板将太阳能转换为电能，储存在蓄电池中，为整体装置进行供电。58.本发明实施例提供的s101中，养殖箱内部的环境参数包括温度、湿度、光照强度。59.本发明实施例提供的s102中，数据预处理模块通过数据预处理程序对获取的数据进行预处理包括：电信号数据预处理和豆类植物图像数据预处理。60.如图3所示，本发明实施例提供的豆类植物图像数据预处理具体过程为：61.s201：导入豆类植物图像，并进行豆类植物图像去噪和增强处理。62.s202：将增强处理完的豆类植物图像转变成灰度图。63.s203：将豆类植物图像转化成二值图，并进行豆类植物图像的边缘检测、分割、直方图匹配、轮廓匹配。64.如图4所示，本发明实施例提供的豆类植物图像增强处理具体过程为：65.s301：将豆类植物图像生成直方图，在直方图中建立灰度累加分布的直方图数组，得到累加分布直方图。66.s302：将豆类植物图像累加分布的直方图均衡化，得到均衡化的豆类植物图像直方图。67.s303：根据均衡化的豆类植物图像直方图，反向映射回源图像。68.如图5所示，本发明实施例提供的豆类植物图像生成直方图具体过程为：69.s401：根据豆类植物图像，建立一定维度初始值为零的数组。70.s402：以像素灰度值为数组下标，将数组元素相加运算，统计豆类植物图像的灰度信息，建立灰度直方图。71.所述得到累加分布直方图具体过程为：72.将累加分布的豆类植物图像直方图均衡化到一定范围值内，将累加分布的直方图中的每个元素去除以图像的像素总数，即得到均衡化的直方图。73.所述反向映射回源图像具体过程为：74.根据均衡化的豆类植物图像直方图，扫描豆类植物源图像，将豆类植物源图像中的像素灰度为查找表数组下标，取出查找表中的元素作为灰度填回到豆类植物源图像，完成豆类植物图像的灰度均衡。75.本发明实施例提供的s102中，对数据进行整理储存具体过程为：76.根据养殖箱内部的环境参数、土壤盐度和豆类各个时段内部的生长状态，建立不同的数据样本；77.在不同的数据样本中提取相应的数据特征，并进行变换，提取代表观测数据的特征矢量；78.通过聚类算法对特征矢量进行模式识别处理，实现各个数据样本的目标说明；关于目标的说明数据按同一目标进行分组，即关联；79.通过融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。80.以上所述，仅为本发明较优的具体的实施方式，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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!