自然光照条件下基于机器视觉的番茄缺素的智能诊断研究

作者通过查阅大量的相关文献,提出在自然光照条件下番茄智能识别诊断研究,利用数码相机获取纯正样本的图像,综合运用植物营养诊断学、设施栽培学、数字图像处理、模式识别等多方面的知识,实现了番茄缺素的智能识别。主要研究内容为: (1)纯正缺素样本的培育。采用日本山崎配方配制营养液,运用无土栽培技术,选用珍珠岩为基质,培育纯正的缺氮、缺钙、缺镁和缺铁的样本,为图像采集做好准备。 (2)提出适合于自然光照条件下复杂背景图像分割的新方法:超绿+B体分割法,并提出了最大方差比法来确定分割阈值T,该方法是一种自动选择分类阈值的动态聚类方法,不需要人为的设定参数值,通过实验验证该方法能很好的将样本与背景进行分割。并对图像进行去噪、增强等多种低层处理,为特征提取做好准备。 (3)进行颜色和纹理两方面特征参数的提取研究。作者将缺素样本的病态部分的面积与总面积的比作为颜色特征的一个参数,与方差、相关系数等组成缺素的颜色特征参数。运用梯度-灰度共生矩阵法、傅立叶变换法和小波变换法提取纹理特征。 (4)建立基于模糊K近邻法的模式识别系统,并选取有效的特征参数作为模式识别的特征量。缺素识别系统识别缺素样本、缺钙样本、缺镁样本、缺铁样本、缺氮样本的识别率分别为92.5%、75%、80%、70%和85%。 本研究为将无土栽培作物营养元素缺乏的智能诊断技术运用到实际生产中作了尝试性的研究,具有重要的实用价值和学术意义。