基于多光譜機器視覺的油菜氮素營養(yǎng)檢測方法研究.pdf

1、本研究采用營養(yǎng)液培養(yǎng)不同氮素水平的油菜樣本，利用多光譜視覺系統(tǒng)拍攝不同氮素水平下的油菜冠層多光譜圖像，通過機器視覺技術(shù)對獲取的油菜冠層多光譜圖像進行分析與特征提取，將提取的多個圖像特征與油菜冠層SPAD值進行多元線性回歸，確立油菜氮素營養(yǎng)診斷模型。主要研究成果如下： ⑴構(gòu)建油菜氮素營養(yǎng)多光譜機器視覺診斷系統(tǒng)，自主設(shè)計密閉實驗光照箱體，對不同氮素水平的油菜樣本進行冠層圖像獲取與圖像分析。 ⑵通過分析油菜冠層各通道多光譜圖像

2、的一維和二維直方圖，選擇冠層近紅外圖像進行背景分割。對油菜冠層近紅外圖像采用基于二維最大信息熵算法進行圖像分割，取得了較好的分割效果。同時，對比最大類間方差法(OTSU)圖像分割效果，結(jié)果表明二維最大信息熵算法在去除土壤背景的同時，更多的保留了作物冠層信息，分割平均相對誤差僅為9％，較OTSU算法在油菜冠層圖像背景分割上效果更好。 ⑶在圖像特征提取方面，將分割后的各通道油菜冠層多光譜圖像進行灰度平均，得到AGI、AIR和IR/R

3、這三個特征同油菜整株全氮含量高度相關(guān)。通過進一步分析發(fā)現(xiàn)，IR/R可以用來粗略診斷油菜是否缺氮，1＜IR/R＜1.4時油菜屬于正常水平，當IR/R＜1時，油菜缺氮。但是，單獨采用某個特征難以對油菜整株全氮含量進行定量的預測。 ⑷分別在油菜的不同生長期，將提取的多種圖像特征同油菜冠層SPAD值進行多元線性回歸，得到各生長期的油菜氮素營養(yǎng)診斷模型，其中，苗期、薹期、花期與角果期油菜的多元線性回歸預測模型的決定系數(shù)R2分別為0.76、