在工厂化农业高速发展的今天,作物管理的自动化和现代化日趋重要。应用现代无损伤测量和监测手段进行作物长势诊断的技术研究,成为农业技术发展的热点问题之一。本文选择温室黄瓜作为研究对象,应用计算机视觉技术,对黄瓜的叶片图像和生长点图像特征进行分析,对温室作物的长势诊断指标和方法进行研究。
本文在温室种植实验的基础上,对温室黄瓜的新鲜叶片进行图像采集;并根据叶片营养含量的测定,研究了叶片颜色特征与叶片养分含量之间的关系。
通过研究,发现叶片图像的G分量与叶片氮含量及叶绿素间有良好的相关性,相关系数均达到0.88。在研究叶片颜色特征和颜色分量关系的基础上,对颜色特征与叶绿素含量进行了多元回归分析,并进一步进行了主成分分析,获得了叶片叶绿素含量与颜色特征之间的多元线性回归模型。
本文根据对自然光条件下获得的叶片图像所做分析,为了降低光线对叶片图像颜色的影响,设计了叶片图像采集的人工光源环境,所设计的人工光源可以产生具有漫反射效应的均匀光线。在此基础上通过背景白化处理,大大降低了光源对研究目标颜色的影响,提高了颜色分析的可靠性。
黄瓜的生长点是黄瓜田间管理中形态诊断的重要指标,由于该指标的模糊定义特点,一直没有相对准确的评价标准。本文将它作为分析研究的目标,采集生长点的活体图像,分析了生长点图像的模糊特点,对它进行纹理特征分析。选择灰度共生矩阵作为纹理分析的主要指标,应用模糊聚类分析的方法对生长点的形态优劣进行聚类评价。通过典型样品的聚类分析,得到特征指标的聚类中心,对植株的健康、亚健康和不健康进行评价。结果表明对健康和不健康的植株分类效果在80%,对亚健康植株的分类效果只能达到50%。
本文在上述营养指标研究的基础上,对作物生长中叶片叶绿素含量进行时间序列分析,叶绿素含量预测的相对误差可以达到0.085。应用灰色系统预测模型原理,将叶片营养含量回归模型和叶绿素含量预测模型相结合诊断叶片的营养状态信息,融合生长点纹理特征聚类分析的健康评价信息,设计了黄瓜长势诊断系统的模型。
