利用计算机视觉技术获取油菜苗期生长信息方法的研究

计算机在农业中的应用日益广泛,利用计算机视觉技术识别叶色来鉴别农作物长势长相已成为一个全新的领域。本文在前人研究的基础上,采用品种和施肥两因素随机区组设计,采集油菜苗期生长图像和测量样品的生理生化指标,利用计算机图像处理技术,识别出苗期的油菜植株并统计其各项颜色特征值,分析颜色特征值与冠层叶绿素含量、冠层的全氮含量、可溶性糖含量和碳氮比的关系,建立反演模型。 主要研究内容和结论如下: 1 根据研究需求和试验条件,建立油菜苗期的图像获取和分析的计算机视觉系统,并进行了图像获取的研究。 2 研究常用的数字图像颜色模型及其相互转换,分析各模型的特点及理想适用范围,并将RGB模型做标准化处理建立新的颜色系统。 3 在分析图像18项颜色特征值的分布图和统计分析典型目标物的颜色参数的基础上,提出用2G-R-B、2g-r-b、G-R、g-r、红色主导和标准化红色主导6种识别方法,并对411个样品进行了分割识别,给出了各分割方法的最优值和适合本研究的最佳分割方法。 4.将统计分割后图像中植株的18项颜色特征值的均值,与测量的叶绿素相对含量SPAD值、可溶性糖含量、全氮含量和碳氮比进行回归分析,建立了生理生化指标的反演模型。 研究表明用计算机视觉技术获取油菜苗期长相长势信息是可行的。研究结果为用计算机进行作物生长监测提供了理论基础和实用模型,并为农业科研中作物生长参数的测量提供了快速、便捷的方法。