基于计算机视觉技术的温室黄瓜叶片营养信息检测

详细内容

摘 要:应用计算机视觉技术研究了诊断温室作物营养状态的方法。在日光条件下采集了温室黄瓜叶片图像,然后分别提取了红绿蓝(RGB)三色分量和它们的相对系数rgb,以及色度、饱和度和亮度指标(HSI)。在RGB和HSI颜色模型下分析了各分量与叶片含氮率、含磷率和含水率之间的相关特性。

分析结果表明:叶片绿色分量G和色度H分量与氮含量线性相关,可用作利用机器视觉快速诊断作物长势的指标,而其它分量与氮含量没有明显的相关性;颜色各分量与磷含量和水分含量均没有表现出明显相关关系;在对单次数据进行分析和比较时发现在同一光照条件下,绿色分量G和色度H与氮含量之间存在较好的线性相关特性,而当光照条件不同时,对两变量之间的线性关系存在一些影响,需要在进一步的试验研究中通过使用人工光源和系统标定的方法改进,以提高线性回归的精度。 关键词:计算机视觉;黄瓜;叶片;图像处理;氮素;温室作物 温室栽培可以根据实际的作物长势人工控制栽培条件(温度、光线、通风以及营养供给),以实现近乎全年程度的管理与生产,这使得温室作物栽培越来越受到人们的重视。理想的温室管理应使作物的生长环境完全没有营养胁迫或过剩,从而使作物始终处在有利于生长的营养平衡状态,这种理想状态在实际生产过程中虽很难实现,但却是目前研究温室控制的目标。因此,在温室栽培管理中,准确地获得作物在生长过程中的营养状态信息是非常重要的。 长期以来,研究营养状态基本上是用化学组分分析的方法进行。这种方法虽然准确,但成本较高,且必须采用破坏性的试验手段,在生产实践中很难做到实用。光谱分析的方法可以用来研究作物的营养状态。

各种营养成分,由于其化学成分不同,具有不同的光谱反射特性。因此,通过研究作物的光谱反射特性,可以进行作物识别、叶面积指数测定。利用高光谱遥感还可以进行作物长势和养分诊断研究,对作物的叶绿素浓度、叶绿素密度、水分、木质素、淀粉、蛋白质等信息可以通过光谱的“红边”,或是特定波段的改变进行识别和诊断。但是光谱仪器一般视角较小,还没实现对整株营养状况的快速分析。

在实际生产中,大多是作物种植人员根据经验用目测的方法进行,在经验积累的基础上,也取得了一定的效果。但人的肉眼分辨能力有限,往往肉眼可以识别的时候,已经对作物的生长状态造成了伤害。 随着计算机技术的发展,图像分析的技术方法越来越成熟,而且计算机图像有比人眼精细的分辨能力,因此计算机图像处理和图像分析的方法也逐步被用于作物长势诊断。早在1970年就出现了用图像的方法研究作物长势的方法,但是当时的图像是采用的印刷蓝图。早期应用图像处理的方法进行作物长势测定,主要目的是研究作物的生长模型,测定不同的生长条件对作物外形尺寸的影响,测定作物的叶面积、茎粗、苗高、节距、叶片展开度和叶柄角度等[8,9],还有通过作物生长过程中各个部位器官的颜色不同和器官间形状的差异,确定器官在植株上的位置[10]。近年来,图像处理技术也用来进行营养分析[11-13]。