無土栽培黃瓜營養(yǎng)元素虧缺的計算機(jī)視覺診斷方法研究.pdf

1、以計算機(jī)視覺技術(shù)為重要技術(shù)手段，綜合運用圖像處理、植物生理學(xué)、色度學(xué)、模式識別等方面的知識，以無土栽培黃瓜為研究對象，先后完成了兩次相同的實驗，培育出了表現(xiàn)癥狀基本相同的三種缺素樣本即缺氮、缺鎂與缺鐵樣本和正常樣本，利用CCD攝像頭對樣本進(jìn)行采集。利用計算機(jī)視覺技術(shù)進(jìn)行作物缺素的診斷研究，主要內(nèi)容有： (1)提出了最大類間方差域值法分割葉片與背景，據(jù)此域值對各樣本進(jìn)行了邊框裁剪。比較了不同窗口的中值濾波方法對各樣本進(jìn)行去噪處理，

2、結(jié)果證明3×3的中值濾波方法濾波效果較好。 (2)利用幾種常見的色度學(xué)系統(tǒng)即RGB顏色系統(tǒng)、Ohta顏色系統(tǒng)和HSV顏色系統(tǒng)對各樣本進(jìn)行顏色特征分析。根據(jù)作物缺素時表現(xiàn)的癥狀，提出了利用葉片綠體灰度值即G的灰度值與R和B的比值的數(shù)字統(tǒng)計特征來分析各樣本的顏色特征；用不需去除背景的顏色系統(tǒng)(Ohta顏色系統(tǒng))來對各樣本進(jìn)行顏色分析，檢驗最大類間方差法去除背景后是否影響顏色特征的提取，結(jié)果證明經(jīng)最大類間方差法去除背景后不影響顏色特征

3、的提?。豪肏SV系統(tǒng)，確定出各樣本的H色調(diào)值。分析了提取樣本的紋理特征的幾種方法即灰度共生矩陣法、邊緣灰度直方圖法和不完全樹小波分解法。提出了用不同方向(0°，45°，90°，135°)的灰度共生矩陣特征值的均值和方差來提取樣本的紋理特征的方法，這種方法消除了由葉片采集時的方向的差異而引起的紋理差異；提出了邊緣直方圖法來分析正常樣本與缺素樣本紋理特征，驗證了最大類間方差法去除背景后不影響紋理特征的提??；在頻域中根據(jù)人眼視覺特征，采用不

4、完全樹小波包分解法分析了各樣本的紋理特征，這種方法比完全樹小波包分解法要簡潔，比金字塔法分析紋理特征要全面。據(jù)模式識別特征選擇原則選取了較明顯的顏色特征與紋理特征作為模式識別特征矢量。 (3)建立了各樣本顏色特征與紋理特征隨時間變化的關(guān)系；用化學(xué)分析方法對各樣本中氮、鎂、鐵的含量進(jìn)行了分析，建立了缺素樣本相應(yīng)元素含量隨缺素時間變化的關(guān)系；建立了缺素樣本顏色特征與紋理特征隨所缺元素與正常樣本相應(yīng)元素的百分含量關(guān)系圖。本研究通過化學(xué)

5、分析方法驗證了培育的缺素樣本的正確性，驗證了缺素樣本對應(yīng)的紋理特征與顏色特征的正確性。 (4)利用模糊神經(jīng)網(wǎng)絡(luò)建立了黃瓜老葉識別分類器和幼葉識別分類器，利用模糊K一近鄰法對考試樣本進(jìn)行了檢驗，結(jié)果證明，神經(jīng)網(wǎng)絡(luò)識別的正確率幾乎與經(jīng)典的統(tǒng)計算法識別結(jié)果一樣。 本研究為進(jìn)一步開發(fā)具有商業(yè)價值的作物缺素判別系統(tǒng)提供了必要的理論依據(jù)和技術(shù)基礎(chǔ)，對縮小我國在農(nóng)業(yè)信息自動化領(lǐng)域與發(fā)達(dá)國家的差距，促進(jìn)計算機(jī)圖像處理技術(shù)在我國農(nóng)業(yè)工程領(lǐng)