Laser backscattering imaging in agriculture

Wu, Zhangkai

Eingang zum Volltext

Wu, Zhangkai

Laser backscattering imaging in agriculture

Laser-Rückstreu-Bildgebung in der Landwirtschaft

(Übersetzungstitel)

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-22897
URL: http://opus.uni-hohenheim.de/volltexte/2024/2289/

pdf-Format:

Dokument 1.pdf (2.818 KB)

Gedruckte Ausgabe:

Print-on-Demand-Kopie

Dokument in Google Scholar suchen:

Social Media:

Export:

Abrufstatistik:

SWD-Schlagwörter:

Sensor, Maschinelles Sehen, Zerstörungsfreie Prüfung, Sedimentation

Freie Schlagwörter (Deutsch):

Blattnässe

Freie Schlagwörter (Englisch):

Sensor , Machine Vision , Non-destructive Testing , Sedimentation , Leaf wetness

Institut:

Institut für Agrartechnik

Fakultät:

Fakultät Agrarwissenschaften

DDC-Sachgruppe:

Landwirtschaft, Veterinärmedizin

Dokumentart:

Dissertation

Hauptberichter:

Müller, Joachim Prof. Dr.

Sprache:

Englisch

Tag der mündlichen Prüfung:

23.02.2024

Erstellungsjahr:

2023

Publikationsdatum:

19.03.2024

Lizenz:

Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim

Kurzfassung auf Englisch:

Non-destructive optical sensor technology (NDOST) is an essential part of agriculture. The unique capabilities of laser notably enhanced NDOST. Laser backscattering imaging (LBI) is a technology that captures light patterns scattered by a material to analyze its properties. It is particularly suitable for agriculture due to its affordability and the optical scattering nature of agricultural products. The images generated by LBI are related to the optical parameters of the examined objects. Crucial tasks in LBI include the selection of an appropriate laser, the extraction of image features, and the utilization of a prediction model for analysis. LBI has been employed in numerous scenarios, such as maturity detection and drying monitoring. The main challenges for LBI involve establishing a precise theoretical framework and uncovering new applications within agriculture. This study aims to enhance the foundational knowledge about LBI and explore additional application scenarios.
The first study focused on basic research about LBI. Currently, researchers rarely document the cell size of their samples and treat the optical coefficient as a constant within agricultural products, which is questionable. This studys purpose was to use glass filter matrices as controlled models and to evaluate the effects of pore size, different solutes, concentrations, and wavelength. The used porous glass discs had pore diameters ranging from 1 to 160 µm. We applied aqueous solutions of NaCl (0, 1, 2, 3, and 4 mol/L) and NaH₂PO₄ (0, 0.8, 1.6, 2.4, and 3.2 mol/L) to fill the pores. The LBI system incorporated laser modules at three different wavelengths (405, 635, 780 nm). The results illustrated that three of the four examined experimental factors (the pore diameter, the solutes, and their concentrations) have a substantial impact on LBI. However, no clear differences in LBI patterns were observed among the three utilized wavelengths. Consequently, when deploying LBI on fruits, for instance, a thorough consideration of cell sizes at various depths from the fruit surface is required.
The second study focused on a possible application scenario of LBI: the sedimentation process of crude sesame oil. Oil sedimentation is a process where gravity is used to remove solid impurities, resulting in a clearer oil. This study examined the sedimentation process in crude sesame oil using LBI. In situ and laboratory experiments were conducted over 30 days, involving an LBI system directly attached to a transparent sedimentation tank with 120L of crude oil. Both the oil properties and sedimentation curve were analyzed along with the LBI images. There was a dramatic drop in oil particle-related properties (at least 87%), a 90% decrease in water content, and minor changes in oxidation-related properties. The sedimentation speed was about −7 mm/h, then became less than −2 mm/h, revealing two stages: diluted and hindered sedimentation. The crude oils surface displayed a distinctive scattering spot and a Tyndall effect within the oil, showing an increasing path length as sedimentation proceeded. The findings offer practical insights for enhancing sedimentation tank and LBI system design.
The third study focused on another possible application scenario of LBI: leaf wetness measurement. Leaf wetness plays a pivotal role in managing plant fungi diseases. Existing optical techniques categorize leaf wetness as a binary problem – either wet or dry. In contrast, this research developed a platform capable of semi-automatically measuring droplet deposition on grape leaves using an LBI system. The leaf area, mean intensity per pixel in the red channel, and droplet count using information from the green channel were extracted from the scattering images. The study employed a generalized additive model (GAM) to predict leaf wetness with the extracted features. The prediction of the test dataset achieved an R-squared value of 0.78. The extraction of image features was found to be influenced by factors such as image resolution and leaf orientation. The method introduced in this study offers the potential for precise quantification of leaf wetness with an LBI system.
In conclusion, our study highlights the importance of considering cell size in agricultural applications of LBI. Besides, LBI was found useful in monitoring plant oil sedimentation and quantifying leaf wetness. This suggests its potential for scenarios involving state changes in suspensions or colloids and differentiating materials with distinct optical properties. However, using a porous matrix as a model introduces an inherent error. Additionally, advancements are necessary to transition the application studies into practical use. Future LBI development could be facilitated by building a comprehensive database on light interactions with diverse cells and tissues.

Kurzfassung auf Deutsch:

Nicht-destruktive optische Sensortechnologie (NDOST) ist ein wesentlicher Bestandteil der Landwirtschaft. Die einzigartigen Fähigkeiten des Lasers haben die NDOST deutlich verbessert. Laser-Rückstreubildgebung (LBI) ist eine Technologie, die Lichtmuster erfasst, die von einem Material gestreut werden, um dessen Eigenschaften zu analysieren. Sie eignet sich besonders für die Landwirtschaft aufgrund ihrer Erschwinglichkeit und der optischen Streueigenschaften landwirtschaftlicher Produkte. Die von der LBI erzeugten Bilder hängen mit den optischen Parametern der untersuchten Objekte zusammen. Wesentliche Aufgaben bei der LBI sind die Auswahl eines geeigneten Lasers, die Extraktion von Bildmerkmalen und die Verwendung eines Vorhersagemodells zur Analyse. Die LBI wurde in zahlreichen Szenarien eingesetzt, wie beispielsweise zur Reifeerkennung und Trocknungsüberwachung. Die Haupt Herausforderungen für die LBI bestehen darin, einen genauen theoretischen Rahmen zu etablieren und neue Anwendungen in der Landwirtschaft zu entdecken. Diese Studie zielt darauf ab, das Grundlagenwissen über LBI zu vertiefen und zusätzliche Anwendungsszenarien zu erforschen.
Die erste Studie konzentrierte sich auf die Grundlagenforschung über LBI. Derzeit dokumentieren Forscher selten die Zellgröße ihrer Proben und behandeln den optischen Koeffizienten als Konstante innerhalb landwirtschaftlicher Produkte, was fragwürdig ist. Ziel dieser Studie war es, Glasfiltermatrizen als kontrollierte Modelle zu verwenden und die Auswirkungen von Porengröße, verschiedenen Lösungsmitteln, Konzentrationen und Wellenlänge zu bewerten. Die verwendeten porösen Glasplatten hatten Porendurchmesser von 1 bis 160 µm. Wir verwendeten wässrige Lösungen von NaCl (0, 1, 2, 3 und 4 mol/L) und NaH₂PO₄ (0, 0.8, 1.6, 2.4 und 3.2 mol/L) um die Poren zu füllen. Das LBI-System integrierte Lasermodule mit drei verschiedenen Wellenlängen (405, 635, 780 nm). Die Ergebnisse zeigten, dass drei der vier untersuchten experimentellen Faktoren (der Porendurchmesser, die Lösungsmittel und ihre Konzentrationen) einen erheblichen Einfluss auf LBI haben. Es wurden jedoch keine klaren Unterschiede in den LBI-Mustern zwischen den drei verwendeten Wellenlängen festgestellt. Daher ist bei der Anwendung von LBI auf Früchte beispielsweise eine gründliche Berücksichtigung der Zellgrößen in verschiedenen Tiefen von der Fruchtoberfläche erforderlich.
Die zweite Studie konzentrierte sich auf ein mögliches Anwendungsszenario von LBI: den Sedimentationsprozess von rohem Sesamöl. Die Ölsedimentation ist ein Prozess, bei dem die Schwerkraft genutzt wird, um feste Verunreinigungen zu entfernen, was zu einem klareren Öl führt. Diese Studie untersuchte den Sedimentationsprozess in rohem Sesamöl mit Hilfe von LBI. In-situ- und Laborversuche wurden über 30 Tage durchgeführt, wobei ein LBI-System direkt an einen transparenten Sedimentationstank mit 120L Rohöl angeschlossen war. Sowohl die Öleigenschaften als auch die Sedimentationskurve wurden zusammen mit den LBI-Bildern analysiert. Es gab einen starken Rückgang der ölpartikelbezogenen Eigenschaften (mindestens 87%), einen Rückgang des Wassergehalts um 90% und geringfügige Veränderungen der oxidationsbezogenen Eigenschaften. Die Sedimentationsgeschwindigkeit betrug etwa −7 mm/h und wurde dann weniger als −2 mm/h, was auf zwei Phasen hinweist: verdünnte und gehemmte Sedimentation. Die Oberfläche des rohen Öls zeigte einen ausgeprägten Streufleck und einen Tyndall-Effekt im Öl, der eine zunehmende Weglänge zeigte, während die Sedimentation fortschritt. Die Ergebnisse bieten praktische Einblicke für die Verbesserung des Sedimentationstanks und des LBI-Systemdesigns.
Die dritte Studie konzentrierte sich auf ein weiteres mögliches Anwendungsszenario von LBI: die Messung der Blattnässe. Blattnässe spielt eine entscheidende Rolle bei der Bekämpfung von Pilzkrankheiten bei Pflanzen. Bestehende optische Techniken kategorisieren Blattnässe als ein binäres Problem – entweder nass oder trocken. Im Gegensatz dazu entwickelte diese Forschung eine Plattform, die in der Lage ist, die Tropfenablagerung auf Weinblättern mit einem LBI-System halbautomatisch zu messen. Die Blattfläche, die durchschnittliche Intensität pro Pixel im roten Kanal und die Tropfenzählung anhand von Informationen aus dem grünen Kanal wurden aus den Streubildern extrahiert. Die Studie verwendete ein generalisiertes additives Modell (GAM), um die Blattnässe mit den extrahierten Merkmalen vorherzusagen. Die Vorhersage des Testdatensatzes erreichte einen R-Quadrat-Wert von 0,78. Es stellte sich heraus, dass die Extraktion von Bildmerkmalen von Faktoren wie Bildauflösung und Blattorientierung beeinflusst wurde. Die in dieser Studie vorgestellte Methode bietet das Potenzial für eine präzise Quantifizierung der Blattnässe mit einem LBI-System.
Abschließend betont unsere Studie die Bedeutung der Berücksichtigung der Zellgröße bei landwirtschaftlichen Anwendungen von LBI. Darüber hinaus erwies sich LBI als nützlich bei der Überwachung der Sedimentation von Pflanzenöl und der Quantifizierung von Blattnässe. Dies deutet auf sein Potenzial für Szenarien hin, die Zustandsänderungen in Suspensionen oder Kolloiden und die Unterscheidung von Materialien mit unterschiedlichen optischen Eigenschaften betreffen. Allerdings führt die Verwendung einer porösen Matrix als Modell zu einem inhärenten Fehler. Zusätzlich sind Fortschritte notwendig, um die Anwendungsstudien in die praktische Anwendung zu überführen. Die zukünftige Entwicklung von LBI könnte durch den Aufbau einer umfassenden Datenbank über Lichtwechselwirkungen mit verschiedenen Zellen und Geweben erleichtert werden.