基于RGB图像处理预测哈密瓜叶片叶绿素研究

为提高植物叶绿素检测设备的普遍性和实用性,通过研究手机和单片机拍摄的RGB图像与植物叶片叶绿素含量有无拟合关系,以图像处理的方式进行叶绿素预测的相关试验,为将来基于深度学习的植物叶绿素动态无损检测提供试验依据。通过OpenCV对图像提取感兴趣区域(RoI),并进行均值滤波、高斯滤波和中值滤波,对原图和三种滤波后的图像进行三通道颜色特征分离,利用最小二乘法(LS)将颜色特征参数的多种组合与叶绿素实测值进行拟合分析,发现4种图像中均值滤波的拟合效果都普遍较好。在均值滤波中,手机K40拍摄的图像存在(B-G-R)/(B+G)特征组合与叶片叶绿素拟合决定系数为0.912。单片机ESP32_CAM拍摄的图像存在(G-B)B/(R+G)特征组合与叶片叶绿素拟合决定系数为0.778。运用梯度运算将均值滤波的RoI进行迭代处理,发现K40的决定系数略微下降,ESP32_CAM的决定系数出现好转。通过对K40与ESP32_CAM进行预测模型验证,两者都表现为随机森林（RF）回归模型的性能最好,在K40中训练集决定系数为0.953、训练集均方根误差为1.161,预测集决定系数为0.930、预测集均方根误差为1.516,在ESP32_CAM中训练集决定系数为0.794、训练集均方根误差为2.510,预测集决定系数为0.695、预测集均方根误差为2.985。