植物叶片面积精确测量系统的设计与开发

设计了植物叶面积精确测量系统,首先设置参照图像,采集带有参照图像的叶片图像,然后统计像素点数,最后进行比例尺换算测定叶面积。通过预处理、校正图像,提高测量精确度,克服了传统测量系统步骤繁琐和设备复杂的缺点,能够快速、无损地测量植物叶片面积。为验证系统精确度,采集45张叶片分别与打孔法、称质量法测定叶面积比较。结果表明,在保证精度的同时能够实现快速、无损的测量叶片面积,并通过碎片验证法验证本系统精度在98%以上。     

基于黑白扫描图像的叶面积测量方法

【目的】为了快速准确测量叶片面积,探讨一种基于黑白扫描图像的测量方法。【方法】使用平板扫描仪制作叶片黑白二值图像,利用图像处理软件读取图像并统计图像和叶片的总像素,依据扫描成像大小与扫描稿台尺寸等比关系,以及已知的扫描稿台尺寸,计算获取叶片面积;分别使用两个不同品牌型号扫描仪对20张叶片进行测量,以方格纸法测量结果为真值依据进行误差分析,同时采用叶面积仪进行比对验证。【结果】两个扫描仪均方根误差分别为0.90 cm²、0.95 cm²,平均相对误差分别为1.06%、1.64%;叶面积仪测量均方根误差为0.62 cm²,平均相对误差为0.92%。【结论】扫描仪法与方格纸法和叶面积仪测量结果间均不存在显著差异,基于黑白扫描图像的叶片面积测量方法具有方便快捷、成本低、精度高的应用潜力。     

基于数字图像视觉分析的叶面积活体测定系统研究

通过计算数字图像中每个像素点代表的真实面积和叶片图像所占的像素数量,可以计算出图像中叶片的面积.基于此原理,该文提供了利用数码相机快速获得植物叶片图像并准确测定叶面积的方法.该方法适用于对多种植物的平面状叶面积进行活体测量,同时能够对异性叶片离体测量,尤其适合大量叶面积的测量工作,且具有速度快、数据准确、精度高的特点.     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.     

基于移动终端的农作物叶面积测量系统设计与实现

为农作物叶面积实时快速地精准自动测量提供参考,采用可跨平台部署的开发平台为基础,应用面向对象编程语言Java,设计基于移动终端的农作物叶面积测量系统。以农作物叶面为研究对象,以数字图像处理技术与基于Android系统移动终端的开发技术相结合为创新设计,采用灰度识别算法和Ostu阈值识别算法,从包含叶片图片文件中像素点的个数为突破口,应用叶片所占的像素与标记点模块所占的像素点的个数进行比较,计算较为准确的农作物叶面积。结果表明:农作物叶面积测量系统测量的叶面积具有导入图片或照相、确定标记点、确定叶片区域以及计算叶片面积的功能,能对选择的叶片区域进行标定和叶面积识别,并对该区域叶片进行叶面积的精确计算。系统突破大田实际测量环境的局限性,用户可用手机进行叶面积测量,具有测量方式灵活、准确快速、操作简单及便于携带等优点。     

基于面向对象特征提取的植物叶片面积测量方法

【目的】提出一种基于面向对象图像特征提取的植物叶面积测量方法,为快速、高精度地测量野外采集植物的叶片面积提供支持。【方法】以扫描图像为基础,借鉴遥感影像的面向对象图像特征提取的思想,获得扫描对象的矢量轮廓,以此计算其面积,并采用AutoCAD绘制的7种多边形进行重复试验,以验证该方法的精确性;然后进一步对青蒿(Artemisia carvifolia)、臭蒿(Artemisia hedinii)、苜蓿(Medicago sativa)3种植物叶片进行重复试验,并与矢量化方法、监督分类方法进行对比,分析该方法在实际叶片测量中的稳定性和计算效率。【结果】利用基于面向对象图像特征提取的植物叶面积测量方法,在进行标准几何图形的面积测量时,该方法的相对误差皆小于1.86%;与矢量化方法、监督分类方法相比,该方法在测量真实植物叶片面积时具有更高的稳定性,而且耗时都小于20s,用时最短;该方法采用IDL模块设计,可实现叶片面积的自动批量处理。【结论】基于面向对象特征提取的植物叶片面积测量方法,是叶片面积高精度及批量自动化测量的一种新途径。     

基于摄影测量技术的植物叶面积精确测量方法研究

为提高叶片面积测量精度,选择的参照物面积应与被测叶片面积相近。研究设计多个由圆形标志点作为顶点的参照矩形,其中构成矩形顶点的4个标志点中3个为非编码标志点,1个为编码标志点,通过对编码标志点进行解码,自动获取非编码标志点位置和参照矩形面积,利用标志点的已知参数对图像进行几何校正。测量步骤分别为参照矩形选择、图像采集、图像预处理、标志点提取、几何校正、叶面积计算。对5种已知面积的规则图形和不规则图形进行5次测量试验,规则图形的最大平均误差为0.193%,不规则图形的最大平均误差为0.53%。结果表明,对于较大或者较小面积的叶片,本方法都具有较高的测量精度;并且具有较好的通用性,适用于室内、室外无损测量,为叶面积的测量提供了切实可行的新途径。     

基于AutoCAD软件确定番茄与青椒叶面积的简易方法

为准确而方便的获取番茄和青椒的叶面积,利用扫描仪获取叶片图像,通过AutoCAD获取叶片的实际面积,并与田间实测叶长、叶宽及叶片长宽乘积分别进行回归分析,分别建立了叶长、叶宽及长宽乘积与实际叶面积的回归模型.研究结果表明,叶长、叶宽与叶面积呈幂函数关系,长宽乘积与叶面积呈线性关系;分别对3种估算模型模拟值进行误差分析结果显示,叶长、叶宽回归模型的模拟精度较差,而长宽乘积回归模型的模拟误差很小,精度较高,可以较真实地反映番茄和青椒叶面积的实际大小,叶片长宽乘积估算叶面积的折减系数分别为0.6393和0.6509.     

基于图像处理的植物叶面面积计算算法研究

[目的]探讨采用数字图像处理法快速计算植物叶片面积的方法。[方法]以杨树叶片为试材,先将叶片样本进行灰度化、二值化和开运算等预处理,得到叶片外部的参考框图像,之后将样本图像进行几何校正,去除叶柄求出叶片面积,最终编写MATLAB程序。[结果]通过研究叶柄处存在凸出的叶片的去叶柄算法,得到比较精确的纯叶片图像。在对畸变灰度图像二值化过程中采用局部阈值分割和直方图分割相结合的方法,人机交互处理后得到了清晰的边框;在对校正后的灰度图像进行处理的过程中运用了最佳阈值分割方法也能得到满意的叶片图像。由此可见,目的和需要不同所采取的方法有很大差别。[结论]采用对精确的数字图像处理方法能快速计算植物叶片面积。     

植物多叶片图像目标识别和叶面积测量方法

分析了图像处理方法测量叶面积中采用CCD照相机和扫描仪2种采集设备各自的优、缺点.针对目前各种叶面积测量方法均为逐片测量的局限性,以MATLAB数学分析软件为平台开发了对多叶片扫描图像中各叶片进行目标识别和面积计算的算法.试验结果表明,该算法在叶片间不重叠的条件下识别准确率达到100%,测量得到的叶面积与采用称重法得到的叶面积间的相对误差为2.43%,决定系数(R2)为0.999 6.试验证明,该算法可以实现对多叶片扫描图像中各叶片的准确识别和叶面积测量.     

CAD图形处理技术在植物叶面积测量中的应用

采用数码像机在田间获取植物叶片加参照直尺的数字图像,然后利用AutoCAD 2000的area命令,可以快速测量所定义区域的面积和周长。同时将该方法与目前生产上常用的CID仪器法、交叉网格法、复印称重法进行比较分析。结果表明:CAD图形处理方法和上述传统的叶面积测定方法的测定结果呈极显著的线性相关关系,适用于叶面积的测量工作,该方法的最大优点就是可以在不摘除植物叶片的前提下,快速、准确的进行叶面积测量工作。为植物叶面积测量提供了新的思路。     

基于投影算法和活动轮廓模型的真实叶面积指数计算

为了准确获得树木的真实叶面积指数（LAIa) ,提出一种基于投影算法和测地线活动轮廓模型的计算方法。首先对激光扫描仪获取的树木点云数据通经一定比例缩放在一个球的上表面,再通过球极平面投影和Lambert方位角等面积投影将上球面图像投射到平面上,借助地理学上纬度线的概念来表征不同高度叶子的天顶角,通过统计学方法获取叶倾角,然后用测地线活动轮廓模型对投影后的图像进行叶面部分分割,获取孔隙率。根据Beer-Lambert定律即可计算有效叶面积指数（LAIe）。真实叶面积指数的获取则通过有效地分层处理,解决叶子的重叠问题。最后将得到数据与实测叶面积指数进行比较,证明该方法的准确性、可行性。     

基于计算机图像处理技术的叶面特征参数无损测量研究进展

相比传统方法计算叶片特征参数,无损图像处理技术无需采摘叶片,在保持植株完整株型的前提下为下一次数据测量提供了保障并应用先进的计算技术准确计算植株的各种特征值,无损图像处理技术逐渐成为国内外学者研究植物生长形态的重要手段。介绍基于数码技术的叶面积计算方法和基于图像处理的叶片轮廓建模方法,概述数码技术应用于叶面积计算的国内外研究进展,总结归纳叶片轮廓提取方法和拟合方法的优缺点,并指出应用图像处理技术计算叶面积仍需进一步解决的问题。     

基于量子神经网络和组合特征参数的玉米叶部病害识别

【目的】探索一种基于量子神经网络和组合特征参数的玉米叶部病害识别方法,以提高玉米叶部病害识别的准确率和效率。【方法】应用K_means硬聚类算法对玉米叶部病害图像进行彩色图像分割,得到彩色分割图像,分别利用提升小波变换和灰度共生矩阵从彩色分割图像中提取颜色和纹理特征参数,利用多重分形分析从灰度图像中提取病害的形状特征参数。【结果】根据提取的组合特征参数,利用量子神经网络进行玉米病害分类识别,对玉米灰斑病、玉米普通锈病和玉米小斑病的识别率分别达到92．5％、97．5％和92．5％,高于误差反向传播神经网络法的识别率（分别为90．0％、90．0％和92．5％）。【结论】设计的方法可用于玉米叶部病害识别,并为其他农作物病害的智能识别提供借鉴。     

基于图像处理的植物叶面积测定方法

本文详细介绍了植物叶面积测定的方法，该方法不需要特殊的设备，仅用数码相机和图像处理软件(Photoshop7．O)可完成植物叶面积的测定和叶长叶宽等指标测量，是一种快速准确的植物叶面积测定方法。     

植物叶片面积测量系统的设计及应用

介绍了用CCD（Charge Coupled Device）测量植物叶片面积的方法，设计了测量系统的多种组成方案。该系统通过标准的图像接口，实现了硬件部分与软件部分相互无关，硬件可以采用扫描仪、数码相机、视频图像采集卡加视频摄像头等应用CCD的数字化图像采集设备。软件采用交到方式实现图像分割、系统标定和最终测量，试验表明，该系统具有测量精度高、测量范围大、使用方便等特点，使用数码相机时可以实现非破坏性测量，在农业、林业等方面具有广泛的应用前景。     

基于纹理南疆红枣外观品质应用研究

红枣分级技术主要依靠人工分级,造成了生产效率低下,分级精度低。随着无损检测技术发展,利用计算机技术实现红枣的自动分级,已成为较优的红枣分级方法。以南疆红枣外部品质特征为研究对象,应用MATLAB的数字图像处理技术,寻求红枣外部品质特征参数的采集以及分级方法。采用灰度化对红枣图像作预处理以及图像的特征提取,结果表明,该方法可以实现红枣外部特征参数的采集,进而实现南疆红枣的纹理分级,具有实际应用价值,且对今后逐步实现基于机器视觉的红枣外观品质综合分级研究具有指导意义。     

基于星-机光谱融合的棉花叶片SPAD值反演

【目的】为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征。【方法】本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD（soil and plant analyzer development,SPAD）仪实地测定试验区棉花叶片叶绿素含量的相对值（SPAD值）,并获取同期试验区无人机（unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归（multiple linear regression,MLR）建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2A MSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演。【结果】研究表明,(REG-R)/(REG+R)、R/G、CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R ²提高了0.015—0.057,RMSE降低了0.457—0.638,验证R ²提高了0.040—0.085,RMSE降低了0.387—0.397,RPD提高了0.020—0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型（Fused MSI-Mod_UAV）,也可获得较高的反演精度,建模R ²达0.672,RMSE为3.982,验证R ²达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果。【结论】采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持。