计算机视觉技术判别温室植物缺素研究现状

详细内容

21世纪的农业将是信息农业的时代，农业自动控制技术是信息农业的核心技术。传统的温室环境控制通过监测温室环境因子形成反馈控制回路，对温室环境进行调控，并未考虑植物实时生长信息。80年代末，国外学者提出了SPA的控制方法，其核心思想是根据植物的实时生长状况对温室环境进行控制。传统的测量植物生长状态的方法比如破坏性测量，接触式测量，费时费力，还对植物有一定的损伤，因此降低了作物的经济价值。近年来，随着计算机视觉技术的发展，图像分类识别在各行各业的应用愈加广泛。通过图像的外观特征对图像进行分类识别是一种及时便捷、切实有效的方法。和传统测量相比，计算机视觉测量有着不可比拟的优点，它能对植物生长进行连续的无损伤测量，进而保持了植物生长的连续性；它能对植物生长状态进行科学的定量描述，测量结果客观、稳定，有预测能力；它能检测到靠人工难以获得的信息；以及它减少了温室中的劳动力，改善了植物的生长质量，进而增加了植物的市场效益。利用农作物自身的特征对农作物图像进行分类识别是计算机视觉技术在农业自动化应用中的重要前提条件。在外部特征中颜色是一个最主要的参量，并且采用不同的颜色模式，颜色参量类型和表示的含义不同。因此，如何使这些颜色参量准确有效地表征图像的主要特征、反映图像的内在本质是计算机辅助图像识别需要解决的问题之一。

在作物的生长过程中，尤其在无土栽培的过程中，由于受到人为和自然等复杂因素的影响，常会出现作物缺素状况。这种变化可从作物叶片的颜色变化，纹理分布的变化表现出来。目前缺素主要通过专家肉眼进行判别，但由于专家具有一定的主观性，对各种缺素状况初期，相近的颜色和纹理人眼也许能够分辨出细微的差别，但很难得出颜色和纹理的具体数量，人们对颜色和纹理的描述大都是定性的。而且对于各种早期的缺素状况，肉眼很难分辨出一些细小的差别。利用计算机图像处理技术来分析缺素叶片图像，能够从定量的角度分析，并能够提高分辨率。根据颜色纹理等特征对作物缺素状况进行判别,进而实现根据作物生长的需要自动施肥，这一领域的研究对农作物栽培管理的自动化、智能化具有深远的影响。缺素识别的相关研究关于图像颜色特征提取方法在农业工程领域已开展了一些研究。

1992年，日本的穗波信雄等利用计算机视觉技术分别对缺乏钙、铁、镁营养元素的慈菇叶片进行了一些基础研究，利用直方图分析了颜色特征，又用阈值法分割出叶片上病态部分和正常部分，并计算出两者面积比作为特征，他们提取的特征不明显，较难区分缺素病。YutakaSasaki研究了一种有病斑叶片的病斑部分和正常部分反射光谱曲线来判别作物的病因。