新版搜索下载系统内测,不限量免费下载(免费至7月1日)(点击打开新版

基于计算机视觉技术温室作物长势诊断机理与方法研究

资料来自用户(Bobby)上传,若本站收录的文献无意侵犯了您的著作版权,请点击版权申明
导师姓名
汪懋华  李民赞
学科专业
农业电气化与自动化
文献出处
中国农业大学   2005年
关键词
计算机视觉论文  温室作物论文  作物长势论文  颜色论文  纹理论文
论文摘要

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。

论文目录
关闭目录

第一章 绪论

1.1 课题的提出

1.2 计算机视觉技术发展现状及其在农业中的应用研究

1.3 研究目标与内容

第二章 试验研究的基础理论和试验设计

本章提要

2.1 颜色分析

2.2 纹理分析

2.3 图像分割

2.4 试验设计

2.5 本章小结

第三章 基于叶片图像的作物含氮量估测研究

本章提要

3.1 序言

3.2 叶片图像的采集

3.3 图像预处理

3.4 叶片颜色与营养成分关系研究

3.5 本章小结

第四章 基于生长点图像特征的作物营养诊断研究

本章提要

4.1 序言

4.2 生长点的图像采集和特点分析

4.3 生长点顶视图像特征分析

4.4 基于生长点图像特征聚类分析的长势预测

4.5 本章小结

第五章 温室黄瓜综合营养诊断系统设计

本章提要

5.1 温室黄瓜综合营养诊断特征指标的确定

5.2 叶片营养含量的变化趋势预测

5.3 诊断系统模型设计

5.4 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢

作者简介

全文下载
全文下载