基于機器視覺的棉花葉部特征圖像識別的研究.pdf

1、葉片是植物進行光合作用和蒸騰作用的主要器官，葉片的很多信息直接反映了作物的生長狀況，這些信息對于農(nóng)作物的生長監(jiān)控具有非常重要的作用。本研究以棉花葉片作為研究對象，在國家“863計劃”(2006011022053)和國家自然科學基金(30360047)的資助下，基于機器視覺理論和技術(shù)，結(jié)合常規(guī)農(nóng)學測量數(shù)據(jù)，系統(tǒng)研究了棉花單葉數(shù)字圖像的圖像獲取、降噪和分割方法、棉花葉片幾何形態(tài)特征計算方法和氮素含量計算方法的模型，避免了長時的農(nóng)學實驗和測量

2、過程，為農(nóng)業(yè)生產(chǎn)快速提供了大量參考信息。 本文主要研究內(nèi)容包括： 1．研究圖像的拍攝方式。通過實驗制定了利用暗箱獲取棉花單葉數(shù)字圖像的拍攝方式，避免了不同環(huán)境下，圖像色彩差異過大，計算氮素含量色彩標準不統(tǒng)一的問題。 2．研究圖像降噪的方法。通過鄰域平均法和中值濾波的降噪原理和對棉花單葉數(shù)字圖像的應(yīng)用結(jié)果比較，研究利用何種濾波方法既能夠有效去除噪聲，同時不改變圖像葉片的顏色值。 3．本研究中圖像分割方法采用

3、閾值分割，研究了閾值的確定的原理和方法。通過分析圖像直方圖的特點，在靜態(tài)的RGB分割、動態(tài)G分量分割、靜態(tài)：rgb分割、靜態(tài)：rgb和動態(tài)工分割、動態(tài)G分量和靜態(tài)H值分割這五種分割的選擇效果和時間耗費的比較后，最終確定了適合本研究的分割方法。 4．研究了利用圖像特征和圖像標記方法計算葉片的幾何和形狀特征值的技術(shù)和方法。設(shè)計了結(jié)構(gòu)體和數(shù)組進行圖像中有效數(shù)據(jù)的篩選，綜合利用了鏈碼方法、像素面積法等方法計算葉片的面積、周長、高度、寬度

4、、直徑、圓形度、矩形度、葉形比等。 5．研究了利用神經(jīng)網(wǎng)絡(luò)建立圖像顏色模型和葉片氮素含量的方法。通過比較線性網(wǎng)絡(luò)、BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)在六種輸入向量下建立的網(wǎng)絡(luò)的大量樣本的訓練結(jié)果和預測結(jié)果，選擇最佳神經(jīng)網(wǎng)絡(luò)方案。并且研究了適合本研究的神經(jīng)網(wǎng)絡(luò)的傳遞算法的改進，以提高結(jié)果的精度。 主要研究結(jié)果如下： 1．實驗證明了基于動態(tài)G分量和靜態(tài)H分量的圖像分割方法非常適合本研究，兼顧了分割效果和時間耗費。 2．計算

5、出葉片周長、面積、高度、寬度、直徑、葉形比、圓形度、矩形度和氮素含量9個對作物具有非常重要的農(nóng)學指標，其中面積、高度和寬度和直徑以及葉形比精確度非常高。利用RBF網(wǎng)絡(luò)，選擇(B，H，G-R，G/R)作為神經(jīng)網(wǎng)絡(luò)輸入向量，建立了顏色信息和氮素含量之間的數(shù)學模型，利用該模型對30個棉花單葉數(shù)字圖像進行預測，得到的結(jié)果與農(nóng)學常規(guī)測量值之間的相關(guān)系數(shù)也達到極顯著水平(r=0.8674**)。 3．利用研究得到的相關(guān)算法，結(jié)合具體編程環(huán)境