基于機(jī)器視覺的棉花葉部特征圖像識(shí)別的研究.pdf

1、葉片是植物進(jìn)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(zhǎng)狀況，這些信息對(duì)于農(nóng)作物的生長(zhǎng)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(duì)象，在國(guó)家“863計(jì)劃”(2006011022053)和國(guó)家自然科學(xué)基金(30360047)的資助下，基于機(jī)器視覺理論和技術(shù)，結(jié)合常規(guī)農(nóng)學(xué)測(cè)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(jì)算方法和氮素含量計(jì)算方法的模型，避免了長(zhǎng)時(shí)的農(nóng)學(xué)實(shí)驗(yàn)和測(cè)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?jī)?nèi)容包括： 1．研究圖像的拍攝方式。通過實(shí)驗(yàn)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(jì)算氮素含量色彩標(biāo)準(zhǔn)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(duì)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(shí)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(diǎn)，在靜態(tài)的RGB分割、動(dòng)態(tài)G分量分割、靜態(tài)：rgb分割、靜態(tài)：rgb和動(dòng)態(tài)工分割、動(dòng)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(shí)間耗費(fèi)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(biāo)記方法計(jì)算葉片的幾何和形狀特征值的技術(shù)和方法。設(shè)計(jì)了結(jié)構(gòu)體和數(shù)組進(jìn)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(jì)算葉片的面積、周長(zhǎng)、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(xùn)練結(jié)果和預(yù)測(cè)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(jìn)，以提高結(jié)果的精度。 主要研究結(jié)果如下： 1．實(shí)驗(yàn)證明了基于動(dòng)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(shí)間耗費(fèi)。 2．計(jì)算

5、出葉片周長(zhǎng)、面積、高度、寬度、直徑、葉形比、圓形度、矩形度和氮素含量9個(gè)對(duì)作物具有非常重要的農(nóng)學(xué)指標(biāo)，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(xué)模型，利用該模型對(duì)30個(gè)棉花單葉數(shù)字圖像進(jìn)行預(yù)測(cè)，得到的結(jié)果與農(nóng)學(xué)常規(guī)測(cè)量值之間的相關(guān)系數(shù)也達(dá)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